arXiv · 多模态、视频与世界模型· Zhihan Zhang·· 3 天前AI 评分66
TPAE：通过 Token 级视觉落地优势估计强化多模态推理
Reinforcing Multimodal Reasoning via Token-Level Perception-Grounded Advantage Estimation
AI 导读
论文提出 Token 级感知落地优势估计（TPAE），利用 token 的视觉依赖与预测熵，为多模态推理生成细粒度强化学习监督信号。分析显示，正确推理链在视觉落地增强时熵下降更明显，关键 token 也是正确推理链联合分布中的统计异常点。TPAE 在七个基准上持续优于强基线，并带来更稳定、高效的优化。
来源：arXiv · 多模态、视频与世界模型 · arxiv.org