arXiv · cs.AI · Xingjian Tao, Yiwei Wang, Yujun Cai, Xinghua Qu, Jing Tang · 7 小时前模型评分31
LenGuard-GPC：用引导提示一致性做长度守卫的空间推理强化学习
LenGuard-GPC: Length Guarding with Guided-Prompt Consistency for Spatial Reasoning Reinforcement Learning
导读
LenGuard-GPC 提出一种稠密奖励框架，通过对比标准提示与引导提示下逐 token 的预测分布，用 KL 散度作为稠密奖励信号，并加入分阶段长度奖励把推理长度控制在合理区间。在六个多视图空间推理基准上，它相比原始 GRPO 提升了准确率，同时缩短了平均回答长度。
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
- “We propose LenGuard-GPC, a dense reward framework that addresses both problems together.”
来源：arXiv · cs.AI · arxiv.org