Wiki-R1：通过数据与采样课程激励基于知识的视觉问答中的多模态推理

基于知识的视觉问答（KB-VQA）要求模型结合外部知识回答图像问题，因检索噪声及知识库的结构性特征而极具挑战。本文提出 Wiki-R1，一种基于数据生成的课程强化学习框架，旨在系统性地激励多模态大语言模型（MLLMs）的推理能力。该方法构建了与模型能力演进对齐的训练分布序列，弥合了预训练与目标分布间的差距。通过引入可控课程数据生成及课程采样策略，有效引导模型学习。实验表明，Wiki-R1 在 Encyclopedic VQA 和 InfoSeek 基准上均取得了新的最先进结果。