arXiv · cs.AI · Zhihan Yin, Jianxin Liang, Yifeng Yao, Nonghai Zhang, and Bingyue Peng, Chunguang Qie, Huishuai Zhang, Dongyan Zhao · 10 小时前模型评分42
MIRA：用欺骗性上下文增强强化多模态推理
MIRA: Reinforcing Multimodal Reasoning via Deceptive Contextual Augmentation
导读
研究提出 MIRA 训练框架，通过在训练中注入经过筛选的欺骗性视觉上下文构造“硬陷阱”，提升多模态模型对错误视觉信息的鲁棒性。该框架还引入组内反思触发机制，让模型自主发现并纠正视觉线索与逻辑约束之间的矛盾，且不依赖人工标注。在多个推理与感知基准上，MIRA 在域内基准平均提升 7%，以视觉为中心的基准也有一致提升。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To address this issue, we propose MIRA, a training framework that improves robustness to erroneous visual contexts while enhancing logical reasoning ability.”
来源：arXiv · cs.AI · arxiv.org