GRIT：纠正文本密集推理中的视觉误定位

针对视觉语言模型在文本密集推理中常出现的“答案正确、但中间步骤看错图”现象，Chanseul Cho 等作者提出并发布训练框架 GRIT 及配套基准 GRIT-Bench。该现象被称为 Correct-but-Visually-Misgrounded Reasoning（CVMR）。据作者介绍，GRIT 把视觉定位纳入 RLVR 训练，以减轻 CVMR 的影响。 目前公开的信息只说明了方法思路和发布情况，没有给出在 GRIT-Bench 或其他任务上的实测效果。

AI 根据报道生成 · 5 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。