提出V-tableR1,一种基于过程监督的多模态表格推理强化学习框架,利用表格的确定性网格结构作为视觉测试平台,通过专用批评视觉语言模型提供步骤级反馈,并引入PGPO新RL算法优化策略,显著抑制视觉幻觉和捷径猜测,在开源模型中达到表格基准上的SOTA精度。
机构:北航
来源:arXiv 2604.20755 | AI4Papers 论文推荐平台