提出 Semantic Arithmetic Reinforcement Fine-Tuning(SAri-RFT)方法,结合可验证奖励函数与 Group Relative Policy Optimization,对大型视觉语言模型(LVLMs)进行后训练,以提升其在视觉语义算术任务中的跨模态关系推理能力,并在新…
机构:港科大
来源:arXiv 2604.19567 | AI4Papers 论文推荐平台