Компьютерные науки > Компютерное видение и распознавание моделей [представлено 7 октября 2026 года] Название: VICO: Visual Environments Coo-Embroing for Vision-Language Model Разглядывая PDF HTML (экспериментальное) резюме: Обновление обучения с поддающимися проверке наградами (RLVR) стало стандартным рецептом для моделей, использующих вещательные языки после прохождения подготовки (VLM), но обычно оно предполагает статичную учебную среду. По мере того как актер улучшается, постоянные задачи выходят за рамки его обучения: многие становятся тривиальными, другие остаются неразрешимыми; и увлекательный сигнал падает. Мы утверждаем, что после обучения VLM должна развиваться визуальная среда рядом с актёром, а не только самим актером. Мы предлагаем VICO - кореволюционную основу, в которой актер и режиссёр ( " EnvRecriptor > ) обучаются совместно: ЭнвРепитер издает поддающиеся проверке структуры изображения, такие как графики сцены, таблицы или маски защищенных регионов, а также перепроверяет их для производства образцов профессиональной подготовки на основе маркировки, сложность которых откалибрована по текущей способности актера посредством вознаграждения за пропуск. Эта петля постоянно корректирует трудности задачи с возможностями актера без каких-либо дополнительных человеческих аннотациях. В рамках девяти мультимодальных контрольных показателей, охватывающих математические рассуждения и визуальное понимание, VICO-8B совершенствует по сравнению со своей базовой моделью…
VICO: Визуальная среда, содействующая созданию модели зрения и языка
arXiv: 2610.10182v1 Annualce Type: New Humber: Supportment Upducation with поддающееся проверке вознаграждение (RLVR) стал стандартным рецептом для моделей наглядного языка после обучения, но обычно предполагает статичную учебную среду. По мере того как актер улучшается, постоянные задачи выходят за рамки его обучения: многие становятся тривиальными, другие остаются неразрешимыми; и увлекательный сигнал падает. Мы утверждаем, что после обучения VLM должна развиваться визуальная среда рядом с актёром, а не только самим актером. Мы предлагаем VICO - кореволюционную основу, в которой актер и режиссёр ( " EnvRecriptor > ) обучаются совместно: ЭнвРепитер издает поддающиеся проверке структуры изображения, такие как графики сцены, таблицы или маски защищенных регионов, а также перепроверяет их для производства образцов профессиональной подготовки на основе маркировки, сложность которых откалибрована по текущей способности актера посредством вознаграждения за пропуск. Эта петля постоянно корректирует трудности задачи с возможностями актера без каких-либо добавлений