Rethinking RL Scaling for Vision Language Models: A Transparent, From-Scratch Framework and Comprehensive Evaluation Scheme
Paper • 2504.02587 • Published • 32
大模型 RL
大模型 RL 相关论文
Note RL,框架,学习 从零搭建了一个用于VLM的RL训练框架，后续可以学习
GenPRM: Scaling Test-Time Compute of Process Reward Models via Generative Reasoning
Paper • 2504.00891 • Published • 14Note PRM 将过程奖励模型从预测一个标量值，转换为推理过程