提出PRCO(感知–推理协同进化)双角色强化学习框架,通过分离Observer(生成问题导向的视觉证据描述)和Solver(基于描述作答)并赋予角色特异性奖励信号,解耦感知与推理的梯度更新,在八个多模态推理基准上平均准确率提升超7点,显著改善视觉证据提取精度。
机构:上智院
来源:arXiv 2603.28618 | AI4Papers 论文推荐平台