arXiv · cs.AI · Chanseul Cho, Noori Bae, Dongheon Lee, Youngmin Ro · 10 小时前模型评分34
GRIT：用梯度掩码纠正文本密集推理中的视觉误定位 token
GRIT: Gradient Masking for Visually Misgrounded Tokens in Text-Rich Reasoning
导读
针对视觉语言模型在文本密集推理中常出现“答案正确但中间步骤看错图”的 Correct-but-Visually-Misgrounded Reasoning（CVMR）现象。
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
- “Based on this observation, we propose GRIT, a training framework that incorporates visual grounding into RLVR to mitigate the impact of CVMR.”
来源：arXiv · cs.AI · arxiv.org