arXiv · cs.AI· Lihao Zheng, Zhenwei Shao, Zhou Yu, Yan Yang, Haoyi Sun, Qian Wang, Ning Mao, Pan Zhou·· 8 小时前
VAttnPO通过视觉注意力改进多模态强化学习的令牌级信用分配
VAttnPO: Visual Attention-Guided Policy Optimization
arXiv:2610.16735v1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：Lihao Zheng, Zhenwei Shao, Zhou Yu, Yan Yang, Haoyi Sun, Qian Wang, Ning Mao, Pan Zhou
研究任务与主要进展
研究者提出VAttnPO，利用答案条件下的视觉注意力改进多模态强化学习的令牌级信用分配。基于论文摘要，在Qwen3-VL-8B-Instruct上，六项任务的图像AVE由GRPO的70.97提升至73.50，材料称所报告的结构化、视频和MME指标均取得更高分数；该增益在Qwen2.5-VL-7B-Instruct和InternVL3-8B-Instruct上也保持。
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