Buchumschlag

Boosting the Generalization and Reasoning of Vision Language Models with Curriculum Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deng, Huilin, Zou, Ding, Ma, Rui, Luo, Hongchen, Cao, Yang, Kang, Yu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VMAD: Visual-enhanced Multimodal Large Language Model for Zero-Shot Anomaly Detection
von: Deng, Huilin, et al.
Veröffentlicht: (2024)

WeThink: Toward General-purpose Vision-Language Reasoning via Reinforcement Learning
von: Yang, Jie, et al.
Veröffentlicht: (2025)

Bidirectional Progressive Transformer for Interaction Intention Anticipation
von: Zhang, Zichen, et al.
Veröffentlicht: (2024)

PEAR: Phrase-Based Hand-Object Interaction Anticipation
von: Zhang, Zichen, et al.
Veröffentlicht: (2024)

Intention-driven Ego-to-Exo Video Generation
von: Luo, Hongchen, et al.
Veröffentlicht: (2024)

Reinforcement Learning Friendly Vision-Language Model for Minecraft
von: Jiang, Haobin, et al.
Veröffentlicht: (2023)

Training-Free Reasoning and Reflection in MLLMs
von: Wei, Hongchen, et al.
Veröffentlicht: (2025)

LEMON: Learning 3D Human-Object Interaction Relation from 2D Images
von: Yang, Yuhang, et al.
Veröffentlicht: (2023)

ReCAD: Reinforcement Learning Enhanced Parametric CAD Model Generation with Vision-Language Models
von: Li, Jiahao, et al.
Veröffentlicht: (2025)

Visual-Geometric Collaborative Guidance for Affordance Learning
von: Luo, Hongchen, et al.
Veröffentlicht: (2024)

Vision and Intention Boost Large Language Model in Long-Term Action Anticipation
von: Cao, Congqi, et al.
Veröffentlicht: (2025)

Med-R1: Reinforcement Learning for Generalizable Medical Reasoning in Vision-Language Models
von: Lai, Yuxiang, et al.
Veröffentlicht: (2025)

Language-Guided Token Compression with Reinforcement Learning in Large Vision-Language Models
von: Cao, Sihan, et al.
Veröffentlicht: (2026)

Active Exploring like a Pigeon: Reinforcing Spatial Reasoning via Agentic Vision-Language Models
von: Deng, Wei, et al.
Veröffentlicht: (2026)

Self-Reflective Reinforcement Learning for Diffusion-based Image Reasoning Generation
von: Pan, Jiadong, et al.
Veröffentlicht: (2025)

SSR: Enhancing Depth Perception in Vision-Language Models via Rationale-Guided Spatial Reasoning
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Unified Reinforcement and Imitation Learning for Vision-Language Models
von: Lee, Byung-Kwan, et al.
Veröffentlicht: (2025)

Quantized Prompt for Efficient Generalization of Vision-Language Models
von: Hao, Tianxiang, et al.
Veröffentlicht: (2024)

PeRL: Permutation-Enhanced Reinforcement Learning for Interleaved Vision-Language Reasoning
von: Zhang, Yizhen, et al.
Veröffentlicht: (2025)

Boosting Continual Learning of Vision-Language Models via Mixture-of-Experts Adapters
von: Yu, Jiazuo, et al.
Veröffentlicht: (2024)

Linear Mechanisms for Spatiotemporal Reasoning in Vision Language Models
von: Kang, Raphi, et al.
Veröffentlicht: (2026)

dVLM-AD: Enhance Diffusion Vision-Language-Model for Driving via Controllable Reasoning
von: Ma, Yingzi, et al.
Veröffentlicht: (2025)

Pest-Thinker: Learning to Think and Reason like Entomologists via Reinforcement Learning
von: Li, Xueheng, et al.
Veröffentlicht: (2026)

Self-Rewarding Vision-Language Model via Reasoning Decomposition
von: Li, Zongxia, et al.
Veröffentlicht: (2025)

Self-Consistent Latent Reasoning: Long Latent Sequence Reasoning for Vision-Language Model
von: Wang, Chenfeng, et al.
Veröffentlicht: (2026)

Boosting Vision-Language Models with Transduction
von: Zanella, Maxime, et al.
Veröffentlicht: (2024)

Can Vision-Language Models Think from the Sky? Unifying UAV Reasoning and Generation
von: Sun, Jintao, et al.
Veröffentlicht: (2026)

Object Hallucination-Free Reinforcement Unlearning for Vision-Language Models
von: Jia, Kaidi, et al.
Veröffentlicht: (2026)

G1: Bootstrapping Perception and Reasoning Abilities of Vision-Language Model via Reinforcement Learning
von: Chen, Liang, et al.
Veröffentlicht: (2025)

ManipLVM-R1: Reinforcement Learning for Reasoning in Embodied Manipulation with Large Vision-Language Models
von: Song, Zirui, et al.
Veröffentlicht: (2025)

VisionReasoner: Unified Reasoning-Integrated Visual Perception via Reinforcement Learning
von: Liu, Yuqi, et al.
Veröffentlicht: (2025)

EgoMotion: Hierarchical Reasoning and Diffusion for Egocentric Vision-Language Motion Generation
von: Hou, Ruibing, et al.
Veröffentlicht: (2026)

Aerial Vision-Language Navigation with a Unified Framework for Spatial, Temporal and Embodied Reasoning
von: Xu, Huilin, et al.
Veröffentlicht: (2025)

Think or Not? Selective Reasoning via Reinforcement Learning for Vision-Language Models
von: Wang, Jiaqi, et al.
Veröffentlicht: (2025)

Reinforce to Learn, Elect to Reason: A Dual Paradigm for Video Reasoning
von: Yang, Songyuan, et al.
Veröffentlicht: (2026)

Leverage Task Context for Object Affordance Ranking
von: Huang, Haojie, et al.
Veröffentlicht: (2024)

Learning by Correction: Efficient Tuning Task for Zero-Shot Generative Vision-Language Reasoning
von: Li, Rongjie, et al.
Veröffentlicht: (2024)

Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes
von: Feng, Zhiyuan, et al.
Veröffentlicht: (2025)

Boosting Multi-modal Keyphrase Prediction with Dynamic Chain-of-Thought in Vision-Language Models
von: Ma, Qihang, et al.
Veröffentlicht: (2025)

Learning Domain Knowledge in Multimodal Large Language Models through Reinforcement Fine-Tuning
von: Cao, Qinglong, et al.
Veröffentlicht: (2026)