提出 CONTEXTRL 方法,通过上下文感知强化学习的辅助目标改善大模型在长视野和多模态任务中的细粒度证据定位能力,在5个长视野基准和12个多模态问答基准上分别平均提升2.2%和1.8%。
机构:普林斯顿
来源:arXiv 2606.17053 | AI4Papers 论文推荐平台