论文对比VLM物理推理的外部与内部注意力奖励

一篇 arXiv 论文对比了视觉语言模型物理推理中的两类奖励：依赖外部验证器的外部奖励（规则化格式与答案正确性检查，或 LLM 评判），以及由模型自身对图像区域的注意力计算、无需标注或评判的内部注意力奖励。作者 Derek Lilienthal 等人称，外部奖励带来大部分准确率提升，奖励推理 token 时推理链更连贯；内部注意力奖励能改善空间关系推理。 作者称，在 Molmo 2 上以零额外标注成本把内部注意力奖励与格式、准确率奖励叠加后，平均准确率提升，并能泛化到分布外任务。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。