跳到主要内容
检索

# 超高分辨率视觉智能体

1 篇关联报道

订阅更新
  1. arXiv

    ViRA把奖励从单张图挪到对照集:最大分辨率下集合准确率63.3%,高于GRPO的59.3%

    超高清照片里的关键细节往往只有几十像素宽,视觉智能体即使会放大,也常凭常识作答而不读证据。ViRA用CrossRPO在对照集上训练:同一问题配几张只在小区域不同、答案也不同的图,只有读证据才能答对整组。在21至120兆像素照片构建的ViRA-Bench上,最大分辨率下集合准确率为63.3%,逐版本训练的GRPO为59.3%,合并成一组采样的GRPO为52.6%。

已读完全部报道