Visual Reasoning RLVR Synthetic Data Vision-Language Models
摘要

尽管可验证奖励的强化学习(RLVR)显著提升了语言模型的推理能力,但其在视觉 - 语言模型中的应用受限于缺乏广泛、可精确验证且可复现的训练数据。本文提出 Trace,一个用于多领域视觉推理的分类学引导环境。Trace 将任务构建分解为场景语法和可执行任务程序,分离视觉实现与答案计算。共享语义状态决定渲染图像、提示、类型化答案及验证器状态。在 64,000 个实例上的 RLVR 训练使 Qwen2.5-VL 模型在 24 个外部基准测试中的宏观平均分显著提升,证明了广泛的过程化训练具有跨分布迁移能力。

AI 推荐理由

论文核心构建视觉推理环境,利用 RLVR 提升多领域视觉推理能力。

研究机构
Rochester Institute of Technology
论文信息
作者 Md Tanvirul Alam
发布日期 2026-07-22
arXiv ID 2607.19790
相关性评分 9/10 (高度相关)