待验证50% 置信解决方案精确时间

SPLIT-RL的核心思路是把视觉推理和语言推理的训练拆分到两个互不重叠的阶段中进行

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

SPLIT-RL：分阶段训练破解视觉语言推理的能力归因难题

涉及实体

SPLIT-RLconcept

相关事实

待验证SPLIT-RL训练出的策略在推理时的使用方式与普通GRPO模型一致，只需一次CoT调用，不增加推理成本72% 相似已验证RL阶段每一步训练需要同时运行推理（生成rollout）和反向传播（更新权重），因此算力需求远高于普通微调71% 相似待验证o1、DeepSeek-R1等模型将思维链内化为训练目标，在输出答案前生成大量内部草稿推理70% 相似待验证现代推理模型普遍采用RLHF或其变体RLAIF进行对齐训练，模型在训练中学会何时停止推理、何时输出答案70% 相似待验证研究者提出了一个简单、无需训练的框架，让具备推理能力的视觉语言模型进行迭代搜索、动态推理和证据积累69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990747

API

curl https://kongchang.com/api/v1/knowledge/claims/990747

MCP

get_claim(id=990747)