扰动思维而非像素：面向视觉语言模型强化学习的潜在空间 Rollout 多样化

英文标题：Perturb the Thought, Not the Pixels: Latent-Space Rollout Diversification for Reinforcement Learning of Vision-Language Models

这篇 arXiv:2608.21595v1 论文提出，在视觉语言模型（VLM）的可验证奖励强化学习（RLVR）中，应在潜在空间而非像素层面增加 Rollout 的多样性。摘要指出，在每个优化组内丰富 Rollout 能够进一步放大 RLVR 对模型推理能力的提升。该研究聚焦于改进现有通过解码策略进行多样化的方法，可能为开发者训练具备更强视觉推理能力的 Agent 和 VLM 提供新的优化方向。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB