1 published article
强化学习
SVR-R1将视觉语言模型自身的二元自我判定转化为学习信号。在图表和表格推理基准测试中，其表现大幅优于标准GRPO，同时模型逐渐需要更少的验证轮次，表明其将自我修正内化。
2026-07-25