研究者提出PACG方法修正多模态强化学习信用分配

针对多模态强化学习（RLVR）训练中，缺乏图像支撑的视觉主张却继承正确答案正向信用的问题，Zhongan Bi等作者提出Persistence-Aware Credit Gating（PACG）方法，对异常持久的视觉主张削减正向信用，其余信用保持不变。 研究者用固定rollout反事实诊断发现，在DAPO和VPPO下，模型对图像更敏感，但无支撑主张反而更持久；GRPO下未出现这种退化。该结论来自作者自身的实验验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。