自我提问视觉语言模型：用于组合式视觉推理的强化学习

视觉语言模型在处理需多步链式推理的组合问题时表现不佳。本文提出一种自我提问框架，利用群组相对策略优化（GRPO）强化学习算法，训练模型将复杂问题自主分解为子问题并逐步求解，无需人工标注分解步骤。该机制通过奖励中间子问题生成及最终答案正确性，引导模型发现组合分解策略。在 CLEVR 和 A-OKVQA 数据集上的实验表明，该方法显著提升了模型的推理准确率，证明了教会 AI 系统自问中间问题是解决复杂视觉推理的有效策略。