TaxonRL: Reinforcement Learning with Intermediate Rewards for Interpretable Fine-Grained Visual Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | von Klinski, Maximilian, Schall, Maximilian |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
One RL to See Them All: Visual Triple Unified Reinforcement Learning
par: Ma, Yan, et autres
Publié: (2025)
par: Ma, Yan, et autres
Publié: (2025)
Integrating Fine-Grained Audio-Visual Evidence for Robust Multimodal Emotion Reasoning
par: Zhao, Zhixian, et autres
Publié: (2026)
par: Zhao, Zhixian, et autres
Publié: (2026)
ReasonMap: Towards Fine-Grained Visual Reasoning from Transit Maps
par: Feng, Sicheng, et autres
Publié: (2025)
par: Feng, Sicheng, et autres
Publié: (2025)
Hallucination at a Glance: Controlled Visual Edits and Fine-Grained Multimodal Learning
par: Bai, Tianyi, et autres
Publié: (2025)
par: Bai, Tianyi, et autres
Publié: (2025)
VisualPRM: An Effective Process Reward Model for Multimodal Reasoning
par: Wang, Weiyun, et autres
Publié: (2025)
par: Wang, Weiyun, et autres
Publié: (2025)
Learning from Fine-Grained Visual Discrepancies: Mitigating Multimodal Hallucinations via In-Context Visual Contrastive Optimization
par: Deng, Haolin, et autres
Publié: (2026)
par: Deng, Haolin, et autres
Publié: (2026)
Fine-Grained Preference Optimization Improves Spatial Reasoning in VLMs
par: Shen, Yifan, et autres
Publié: (2025)
par: Shen, Yifan, et autres
Publié: (2025)
LLM-based Hierarchical Concept Decomposition for Interpretable Fine-Grained Image Classification
par: Qu, Renyi, et autres
Publié: (2024)
par: Qu, Renyi, et autres
Publié: (2024)
SAIL-RL: Guiding MLLMs in When and How to Think via Dual-Reward RL Tuning
par: Shu, Fangxun, et autres
Publié: (2025)
par: Shu, Fangxun, et autres
Publié: (2025)
SOLE-R1: Video-Language Reasoning as the Sole Reward for On-Robot Reinforcement Learning
par: Schroeder, Philip, et autres
Publié: (2026)
par: Schroeder, Philip, et autres
Publié: (2026)
VISCO: Benchmarking Fine-Grained Critique and Correction Towards Self-Improvement in Visual Reasoning
par: Wu, Xueqing, et autres
Publié: (2024)
par: Wu, Xueqing, et autres
Publié: (2024)
R1-Reward: Training Multimodal Reward Model Through Stable Reinforcement Learning
par: Zhang, Yi-Fan, et autres
Publié: (2025)
par: Zhang, Yi-Fan, et autres
Publié: (2025)
Reinforcing Multimodal Reasoning Against Visual Degradation
par: Liu, Rui, et autres
Publié: (2026)
par: Liu, Rui, et autres
Publié: (2026)
VRAG-RL: Empower Vision-Perception-Based RAG for Visually Rich Information Understanding via Iterative Reasoning with Reinforcement Learning
par: Wang, Qiuchen, et autres
Publié: (2025)
par: Wang, Qiuchen, et autres
Publié: (2025)
ASPO: Adaptive Sentence-Level Preference Optimization for Fine-Grained Multimodal Reasoning
par: Wang, Yeyuan, et autres
Publié: (2025)
par: Wang, Yeyuan, et autres
Publié: (2025)
Vero: An Open RL Recipe for General Visual Reasoning
par: Sarch, Gabriel, et autres
Publié: (2026)
par: Sarch, Gabriel, et autres
Publié: (2026)
SRUM: Fine-Grained Self-Rewarding for Unified Multimodal Models
par: Jin, Weiyang, et autres
Publié: (2025)
par: Jin, Weiyang, et autres
Publié: (2025)
From Sight to Insight: Improving Visual Reasoning Capabilities of Multimodal Models via Reinforcement Learning
par: Sharif, Omar, et autres
Publié: (2026)
par: Sharif, Omar, et autres
Publié: (2026)
SynthRL: Scaling Visual Reasoning with Verifiable Data Synthesis
par: Wu, Zijian, et autres
Publié: (2025)
par: Wu, Zijian, et autres
Publié: (2025)
Finer: Investigating and Enhancing Fine-Grained Visual Concept Recognition in Large Vision Language Models
par: Kim, Jeonghwan, et autres
Publié: (2024)
par: Kim, Jeonghwan, et autres
Publié: (2024)
Learning Adaptive Reasoning Paths for Efficient Visual Reasoning
par: Huang, Yixu, et autres
Publié: (2026)
par: Huang, Yixu, et autres
Publié: (2026)
VLM-FO1: Bridging the Gap Between High-Level Reasoning and Fine-Grained Perception in VLMs
par: Liu, Peng, et autres
Publié: (2025)
par: Liu, Peng, et autres
Publié: (2025)
Visual Reasoning at Urban Intersections: FineTuning GPT-4o for Traffic Conflict Detection
par: Masri, Sari, et autres
Publié: (2025)
par: Masri, Sari, et autres
Publié: (2025)
Faithful-MR1: Faithful Multimodal Reasoning via Anchoring and Reinforcing Visual Attention
par: Tian, Changyuan, et autres
Publié: (2026)
par: Tian, Changyuan, et autres
Publié: (2026)
STAIR: Spatial-Temporal Reasoning with Auditable Intermediate Results for Video Question Answering
par: Wang, Yueqian, et autres
Publié: (2024)
par: Wang, Yueqian, et autres
Publié: (2024)
RewardMap: Tackling Sparse Rewards in Fine-grained Visual Reasoning via Multi-Stage Reinforcement Learning
par: Feng, Sicheng, et autres
Publié: (2025)
par: Feng, Sicheng, et autres
Publié: (2025)
Towards Generative Class Prompt Learning for Fine-grained Visual Recognition
par: Chattopadhyay, Soumitri, et autres
Publié: (2024)
par: Chattopadhyay, Soumitri, et autres
Publié: (2024)
You May Speak Freely: Improving the Fine-Grained Visual Recognition Capabilities of Multimodal Large Language Models with Answer Extraction
par: Lawrence, Logan, et autres
Publié: (2025)
par: Lawrence, Logan, et autres
Publié: (2025)
KARL: Knowledge-Aware Reasoning and Reinforcement Learning for Knowledge-Intensive Visual Grounding
par: Ma, Xinyu, et autres
Publié: (2025)
par: Ma, Xinyu, et autres
Publié: (2025)
REBEL: Reinforcement Learning via Regressing Relative Rewards
par: Gao, Zhaolin, et autres
Publié: (2024)
par: Gao, Zhaolin, et autres
Publié: (2024)
Learning GUI Grounding with Spatial Reasoning from Visual Feedback
par: Zhao, Yu, et autres
Publié: (2025)
par: Zhao, Yu, et autres
Publié: (2025)
Latent Visual Reasoning
par: Li, Bangzheng, et autres
Publié: (2025)
par: Li, Bangzheng, et autres
Publié: (2025)
Learning Domain Knowledge in Multimodal Large Language Models through Reinforcement Fine-Tuning
par: Cao, Qinglong, et autres
Publié: (2026)
par: Cao, Qinglong, et autres
Publié: (2026)
FineCops-Ref: A new Dataset and Task for Fine-Grained Compositional Referring Expression Comprehension
par: Liu, Junzhuo, et autres
Publié: (2024)
par: Liu, Junzhuo, et autres
Publié: (2024)
QeRL: Beyond Efficiency -- Quantization-enhanced Reinforcement Learning for LLMs
par: Huang, Wei, et autres
Publié: (2025)
par: Huang, Wei, et autres
Publié: (2025)
GorillaWatch: An Automated System for In-the-Wild Gorilla Re-Identification and Population Monitoring
par: Schall, Maximilian, et autres
Publié: (2025)
par: Schall, Maximilian, et autres
Publié: (2025)
OpenVLThinker: Complex Vision-Language Reasoning via Iterative SFT-RL Cycles
par: Deng, Yihe, et autres
Publié: (2025)
par: Deng, Yihe, et autres
Publié: (2025)
v1: Learning to Point Visual Tokens for Multimodal Grounded Reasoning
par: Chung, Jiwan, et autres
Publié: (2025)
par: Chung, Jiwan, et autres
Publié: (2025)
TikArt: Stabilizing Aperture-Guided Fine-Grained Visual Reasoning with Reinforcement Learning
par: Ding, Hao, et autres
Publié: (2026)
par: Ding, Hao, et autres
Publié: (2026)
Reinforced Visual Perception with Tools
par: Zhou, Zetong, et autres
Publié: (2025)
par: Zhou, Zetong, et autres
Publié: (2025)
Documents similaires
-
One RL to See Them All: Visual Triple Unified Reinforcement Learning
par: Ma, Yan, et autres
Publié: (2025) -
Integrating Fine-Grained Audio-Visual Evidence for Robust Multimodal Emotion Reasoning
par: Zhao, Zhixian, et autres
Publié: (2026) -
ReasonMap: Towards Fine-Grained Visual Reasoning from Transit Maps
par: Feng, Sicheng, et autres
Publié: (2025) -
Hallucination at a Glance: Controlled Visual Edits and Fine-Grained Multimodal Learning
par: Bai, Tianyi, et autres
Publié: (2025) -
VisualPRM: An Effective Process Reward Model for Multimodal Reasoning
par: Wang, Weiyun, et autres
Publié: (2025)