Mags-RL：通过代理强化学习为多模态大语言模型配备放大镜以进行复杂场景推理

针对多模态大语言模型在复杂场景中图像解释准确率低的问题，本文提出 Mags-RL 框架。该方法利用代理强化学习，赋予模型外部超分辨率“放大镜”代理，实现高分辨率细粒度检查。模型执行两轮推理：首轮自主识别感兴趣区域，次轮调用代理裁剪并放大这些区域以验证和修正推理。此外，引入课程学习策略，仅需少量样本即可高效训练。实验表明，该方法在多个基准测试中优于现有方法，实现了高质量的视觉 grounding 推理。