arXiv论文提出Selective-RL优化视觉推理迁移

发生了什么

据arXiv cs.CV报道，一篇题为Selective Transfer of RL Updates for Visual Reasoning的论文提出Selective-RL方法。该方法隔离强化学习更新中的主导矩阵方向进行跨模型迁移，在Qwen接收端MathVision基准上获得8.55个百分点的提升，优于全更新插值。