本研究提出逐步组相对策略优化（StepGRPO）框架，以提升多模态大型语言模型的推理能力。通过逐步奖励机制，实验结果表明R1-VL在逐步推理方面表现优异。

R1-VL: Enhancing Reasoning Capabilities of Multimodal Large Language Models through Stepwise Group Relative Policy Optimization
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证