Evidence-RL：迈向以证据为核心的视觉推理
该研究提出反事实证据解耦（Counterfactual Evidence Disentanglement，CED），用于检验视觉语言模型是否真正依据图像中的相关局部证据作答。CED会屏蔽物体中心的证据区域，并将答案支持度的下降幅度与对应非证据区域进行比较。研究人员将这一信号与GRPO中的答案正确性结合起来，奖励依赖证据路径的正确回答，而不是依赖语言先验、捷径或无关视觉信息的回答。CED不需要针对每个问题提供证据标注，也不会增加推理时的额外开销。在9个公开基准和4个模型骨干上，CED的表现优于此前基于强化学习的后训练方法；针对性分析也验证了其面向物体的信号。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。