待验证50% 置信基准精确时间

该研究在六个视觉推理基准上进行了验证，VAG相比GRPO和OPSD方法均取得一致优势，并刷新了平均性能最优水平。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/20

首次发现

有效期至：2027/1/18

来源

视觉可归因自蒸馏：多模态RL新范式VAG

涉及实体

VAGconcept GRPOconcept OPSDconcept

相关事实

待验证实验比较了直接提示、监督微调、思维链推理以及 GRPO 训练下的规则生成四种策略，GRPO 配合规则生成在四个 ToM 基准上均取得最优表现。70% 相似待验证论文在六个数学推理基准上评估了 VASPO，在 Knights and Knaves 任务上取得了所有评估方法中最高的平均准确率。70% 相似待验证作者在完全观测的仿真环境中验证了诊断指标的有效性，并将方法应用于六个预训练视觉Transformer模型，在SVG-World基准上测试，并对其中两个模型在CelebA上评估。69% 相似待验证小步长引导实验表明，归因估计与实际引导效果高度吻合。68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073344

API

curl https://kongchang.com/api/v1/knowledge/claims/1073344

MCP

get_claim(id=1073344)