Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.02240

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2510.02240 (cs)
[提交于 2025年10月2日 ]

标题: RewardMap:通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励问题

标题: RewardMap: Tackling Sparse Rewards in Fine-grained Visual Reasoning via Multi-Stage Reinforcement Learning

Authors:Sicheng Feng, Kaiwen Tuo, Song Wang, Lingdong Kong, Jianke Zhu, Huan Wang
摘要: 细粒度视觉推理仍然是多模态大语言模型(MLLMs)的核心挑战。 最近引入的ReasonMap通过显示即使先进的MLLMs在结构化和信息丰富的环境(如交通图)中的空间推理上也存在困难,突显了这一差距,这是一个具有明确实际和科学重要性的问题。 然而,在此类任务上的标准强化学习(RL)受到稀疏奖励和不稳定优化的阻碍。 为了解决这个问题,我们首先构建了ReasonMap-Plus,一个扩展的数据集,通过视觉问答(VQA)任务引入密集奖励信号,从而实现细粒度视觉理解技能的有效冷启动训练。 接下来,我们提出了RewardMap,一个多层次的RL框架,旨在提升MLLMs的视觉理解和推理能力。 RewardMap结合了两个关键设计。 首先,我们引入了一种难度感知的奖励设计,包括细节奖励,直接解决稀疏奖励问题,同时提供更丰富的监督。 其次,我们提出了一种多层次的RL方案,从简单的感知任务开始进行训练,逐步过渡到复杂的推理任务,相比传统的监督微调(SFT),提供了更有效的冷启动策略。 在ReasonMap和ReasonMap-Plus上的实验表明,RewardMap的每个组件都带来了持续的性能提升,而它们的结合则取得了最佳结果。 此外,使用RewardMap训练的模型在跨越空间推理、细粒度视觉推理和超越交通图的一般任务的6个基准测试中平均提升了3.47%,凸显了增强的视觉理解和推理能力。
摘要: Fine-grained visual reasoning remains a core challenge for multimodal large language models (MLLMs). The recently introduced ReasonMap highlights this gap by showing that even advanced MLLMs struggle with spatial reasoning in structured and information-rich settings such as transit maps, a task of clear practical and scientific importance. However, standard reinforcement learning (RL) on such tasks is impeded by sparse rewards and unstable optimization. To address this, we first construct ReasonMap-Plus, an extended dataset that introduces dense reward signals through Visual Question Answering (VQA) tasks, enabling effective cold-start training of fine-grained visual understanding skills. Next, we propose RewardMap, a multi-stage RL framework designed to improve both visual understanding and reasoning capabilities of MLLMs. RewardMap incorporates two key designs. First, we introduce a difficulty-aware reward design that incorporates detail rewards, directly tackling the sparse rewards while providing richer supervision. Second, we propose a multi-stage RL scheme that bootstraps training from simple perception to complex reasoning tasks, offering a more effective cold-start strategy than conventional Supervised Fine-Tuning (SFT). Experiments on ReasonMap and ReasonMap-Plus demonstrate that each component of RewardMap contributes to consistent performance gains, while their combination yields the best results. Moreover, models trained with RewardMap achieve an average improvement of 3.47% across 6 benchmarks spanning spatial reasoning, fine-grained visual reasoning, and general tasks beyond transit maps, underscoring enhanced visual understanding and reasoning capabilities.
主题: 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)
引用方式: arXiv:2510.02240 [cs.CV]
  (或者 arXiv:2510.02240v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.02240
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Sicheng Feng [查看电子邮件]
[v1] 星期四, 2025 年 10 月 2 日 17:29:46 UTC (2,939 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
cs.AI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号