arXiv AI· Huawei Lin, Jinting Liu, Tongyan Wang, Xuyang Chen, Ruihua Shi, Zhichao Xu, Jiaxin Qin, Guoshenghui Zhao, Baijian Yang, Yingjie Victor Chen, Tan Yu, Weijie Zhao·· 2 天前评分54
ViRA: Toward Ultra-High-Resolution Visual Agents via Cross-Input Relative Policy Optimization
摘要
我们提出跨输入相对策略优化(CrossRPO),该方法通过对比集训练代理。对比集询问关于图像中仅一小区域不同的多个版本,这些版本具有不同答案的问题,因此仅通过阅读证据即可解决整个集。CrossRPO奖励解决整个集,我们证明它不会强化由常识回答的集。
推荐理由
请对照arXiv AI原文,核对完整说明及适用条件。
本站只提供摘要与原文入口。完整内容请阅读原文。
来源:arXiv AI · arxiv.org