Visual Reasoning Benchmark RLHF Multimodal
摘要

针对多模态生成模型在知识密集型任务中推理能力不足的问题,本文提出 ExpertVerse 基准,涵盖 9 种认知能力与 8 个专家学科。基于该基准构建了包含推理轨迹的大规模数据集 ExpertVerse-100K,并训练了具备世界知识的 VLM 推理引擎 KnowThinker。为解决多目标优化中的冲突,提出了自举帕累托策略优化(BPPO)算法。实验揭示了现有模型在复杂推理上的显著缺陷,强调了开发此类基准的重要性。

AI 推荐理由

论文核心构建知识密集型推理基准,并训练具备推理能力的模型,直接聚焦推理机制。

研究机构
阿里巴巴集团 清华大学
论文信息
作者 Yuan Wang, Yongchao Du, Mengting Chen, Jinsong Lan, Xuetao Feng et al.
发布日期 2026-07-21
arXiv ID 2607.19341
相关性评分 9/10 (高度相关)