提出VERIEVOL框架,通过提示演化模块和HTV-AGENT验证器,在强化学习更新前解耦提示难度与答案可靠性,从而提升多模态数学推理的数据质量与模型性能。
机构:清华
来源:arXiv 2606.23543 | AI4Papers 论文推荐平台