arXiv · cs.AI· Derek Lilienthal, Manisha Mukherjee, Sameera Horawalavithana·· 6 小时前
视觉语言模型利用内外部奖励提升物理推理
Reward Design for Physical Reasoning in Vision-Language Models
arXiv:2604.13993v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Derek Lilienthal, Manisha Mukherjee, Sameera Horawalavithana
研究任务与主要进展
Derek Lilenthal、Manisha Mukherjee 和 Sameera Horawalavithana 比较了外部奖励与基于模型注意力、无需标签或评审模型的内部奖励对视觉语言模型物理推理的影响。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org