arXiv · cs.AI· Jinbae Seo, Hyeongjun Kwon, Jiyoung Lee, Hyunsung Jang, Namkoo Ha, Jungin Park, Kwanghoon Sohn·· 1 天前
Think-Compress-Answer：通过推理压缩进行多模态定位强化学习
Think, Compress, Answer: Reinforcement Learning for Multimodal Grounding via Reasoning Compression
arXiv:2610.25640v1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：Jinbae Seo, Hyeongjun Kwon, Jiyoung Lee, Hyunsung Jang, Namkoo Ha, Jungin Park, Kwanghoon Sohn
研究任务与主要进展
Jinbae Seo等人提出Think-Compress-Answer（TCA）强化学习框架，将多模态定位分解为自由形式推理、目标感知上下文压缩和基于压缩上下文生成答案三个阶段。该方法通过多阶段GRPO和渐进式奖励，减少与目标无关的推理信息并提升定位准确性；在六个多模态定位基准上的实验摘要报告了零样本性能提升，但具体基准、基线和实验细节未说明。
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