Buchumschlag

Perceptual-Evidence Anchored Reinforced Learning for Multimodal Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Chi, Qiu, Haibo, Zhang, Qiming, Xu, Yufei, Zeng, Zhixiong, Yang, Siqi, Shi, Peng, Ma, Lin, Zhang, Jing
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

DeepSketcher: Internalizing Visual Manipulation for Multimodal Reasoning
von: Zhang, Chi, et al.
Veröffentlicht: (2025)

Learning When to Look: A Disentangled Curriculum for Strategic Perception in Multimodal Reasoning
von: Yang, Siqi, et al.
Veröffentlicht: (2025)

Metis-SPECS: Decoupling Multimodal Learning via Self-distilled Preference-based Cold Start
von: Chen, Kun, et al.
Veröffentlicht: (2025)

Reading or Reasoning? Format Decoupled Reinforcement Learning for Document OCR
von: Zhong, Yufeng, et al.
Veröffentlicht: (2025)

STAGE: Stable and Generalizable GRPO for Autoregressive Image Generation
von: Ma, Xiaoxiao, et al.
Veröffentlicht: (2025)

Metis-HOME: Hybrid Optimized Mixture-of-Experts for Multimodal Reasoning
von: Lan, Xiaohan, et al.
Veröffentlicht: (2025)

VinciCoder: Unifying Multimodal Code Generation via Coarse-to-fine Visual Reinforcement Learning
von: Zhao, Xuanle, et al.
Veröffentlicht: (2025)

Breaking the SFT Plateau: Multimodal Structured Reinforcement Learning for Chart-to-Code Generation
von: Chen, Lei, et al.
Veröffentlicht: (2025)

Chart-R1: Chain-of-Thought Supervision and Reinforcement for Advanced Chart Reasoner
von: Chen, Lei, et al.
Veröffentlicht: (2025)

Metis-RISE: RL Incentivizes and SFT Enhances Multimodal Reasoning Model Learning
von: Qiu, Haibo, et al.
Veröffentlicht: (2025)

Contrastive Learning for Multimodal Human Activity Recognition with Limited Labeled Data
von: Jing, Long, et al.
Veröffentlicht: (2026)

See Less, See Right: Bi-directional Perceptual Shaping For Multimodal Reasoning
von: Zhang, Shuoshuo, et al.
Veröffentlicht: (2025)

Omni-I2C: A Holistic Benchmark for High-Fidelity Image-to-Code Generation
von: Zhou, Jiawei, et al.
Veröffentlicht: (2026)

TreeCUA: Efficiently Scaling GUI Automation with Tree-Structured Verifiable Evolution
von: Jiang, Deyang, et al.
Veröffentlicht: (2026)

DocTron-Formula: Generalized Formula Recognition in Complex and Structured Scenarios
von: Zhong, Yufeng, et al.
Veröffentlicht: (2025)

OmniActor: A Generalist GUI and Embodied Agent for 2D&3D Worlds
von: Yang, Longrong, et al.
Veröffentlicht: (2025)

Skywork R1V2: Multimodal Hybrid Reinforcement Learning for Reasoning
von: Wang, Peiyu, et al.
Veröffentlicht: (2025)

Thinking With Videos: Multimodal Tool-Augmented Reinforcement Learning for Long Video Reasoning
von: Zhang, Haoji, et al.
Veröffentlicht: (2025)

Deeper Thought, Weaker Aim: Understanding and Mitigating Perceptual Impairment during Reasoning in Multimodal Large Language Models
von: Peng, Ruiying, et al.
Veröffentlicht: (2026)

InstructVEdit: A Holistic Approach for Instructional Video Editing
von: Zhang, Chi, et al.
Veröffentlicht: (2025)

Towards Better & Faster Autoregressive Image Generation: From the Perspective of Entropy
von: Ma, Xiaoxiao, et al.
Veröffentlicht: (2025)

Seirênes: Adversarial Self-Play with Evolving Distractions for LLM Reasoning
von: Zhang, Chi, et al.
Veröffentlicht: (2026)

Faithful-MR1: Faithful Multimodal Reasoning via Anchoring and Reinforcing Visual Attention
von: Tian, Changyuan, et al.
Veröffentlicht: (2026)

Unleashing the Power of Generic Segmentation Models: A Simple Baseline for Infrared Small Target Detection
von: Zhang, Mingjin, et al.
Veröffentlicht: (2024)

VTAgent: Agentic Keyframe Anchoring for Evidence-Aware Video TextVQA
von: He, Haibin, et al.
Veröffentlicht: (2026)

Reason-SVG: Enhancing Structured Reasoning for Vector Graphics Generation with Reinforcement Learning
von: Xing, Ximing, et al.
Veröffentlicht: (2025)

SkyNative: A Native Multimodal Framework for Remote Sensing Visual Evidence Reasoning
von: Yang, Xiao, et al.
Veröffentlicht: (2026)

LENS: Multi-level Evaluation of Multimodal Reasoning with Large Language Models
von: Yao, Ruilin, et al.
Veröffentlicht: (2025)

MM-Eureka: Exploring the Frontiers of Multimodal Reasoning with Rule-based Reinforcement Learning
von: Meng, Fanqing, et al.
Veröffentlicht: (2025)

Synthesizing Images on Perceptual Boundaries of ANNs for Uncovering Human Perceptual Variability on Facial Expressions
von: Deng, Haotian, et al.
Veröffentlicht: (2025)

Patho-R1: A Multimodal Reinforcement Learning-Based Pathology Expert Reasoner
von: Zhang, Wenchuan, et al.
Veröffentlicht: (2025)

Understanding the Role of Hallucination in Reinforcement Post-Training of Multimodal Reasoning Models
von: Zhang, Gengwei, et al.
Veröffentlicht: (2026)

Probabilistic Concept Graph Reasoning for Multimodal Misinformation Detection
von: Yang, Ruichao, et al.
Veröffentlicht: (2026)

PixelGen: Improving Pixel Diffusion with Perceptual Supervision
von: Ma, Zehong, et al.
Veröffentlicht: (2026)

Chain-of-Thought Compression Should Not Be Blind: V-Skip for Efficient Multimodal Reasoning via Dual-Path Anchoring
von: Zhang, Dongxu, et al.
Veröffentlicht: (2026)

MedReasoner: Reinforcement Learning Drives Reasoning Grounding from Clinical Thought to Pixel-Level Precision
von: Yan, Zhonghao, et al.
Veröffentlicht: (2025)

Na-IRSTD: Enhancing Infrared Small Target Detection via Native-Resolution Feature Selection and Fusion
von: Xu, Qian, et al.
Veröffentlicht: (2026)

MindDriver: Introducing Progressive Multimodal Reasoning for Autonomous Driving
von: Zhang, Lingjun, et al.
Veröffentlicht: (2026)

STAR-R1: Spatial TrAnsformation Reasoning by Reinforcing Multimodal LLMs
von: Li, Zongzhao, et al.
Veröffentlicht: (2025)

Perceptual Taxonomy: Evaluating and Guiding Hierarchical Scene Reasoning in Vision-Language Models
von: Lee, Jonathan, et al.
Veröffentlicht: (2025)