arXiv cs.AI· Suxin Ji, Hungtao Wan, Mingjun Liu, An Zhang·· 10 小时前AI 评分20
Selective-RL：选择性迁移 RL 更新实现视觉推理能力跨模型迁移
Selective Transfer of RL Updates for Visual Reasoning
AI 导读
研究者提出 Selective-RL，通过隔离强化学习阶段的参数更新、保留其主导矩阵方向并保持幅度，将其迁移至 VLM 的语言模块。在三个模型家族、五个视觉推理基准上，该方法在 15 项对比中有 12 项优于完整更新插值，其中 Qwen 接收模型的 MathVision 提升 8.55 个百分点。对照实验显示，仅靠更新幅度或任意低秩无法复现该增益。
来源：arXiv cs.AI · arxiv.org