提出多模态RL持续性感知信用分配方法PACG

论文作者提出 Persistence-Aware Credit Gating（PACG），通过削弱异常持续的视觉主张所获得的正向信用、其余信用不变，来改善多模态强化学习中的视觉主张信用分配，使无依据的主张更易被撤回。 在 Qwen2.5-VL-7B 上、三个种子的九个基准平均成绩中，PACG 将 DAPO 从 58.1% 提到 59.9%，将 VPPO 从 59.8% 提到 60.9%。该方法无需有据/无据标注，也不增加推理成本。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。