M‑GRPO 多獎勵優化

深度分析

「Light-MER」輕量化多模態情感語言模型：SWD‑H 隱層對齊與 M‑GRPO 多獎勵優化實證

隨著多模態大型語言模型推動情感辨識與敘事生成，模型規模卻成部署瓶頸。研究提出 Light-MER，利用知識蒸餾、Sliced Wasserstein 隱層對齊與多獎勵 GRPO，將 8B 教師模型能力壓縮至 854M 參數。實驗證明 Light-MER 平均分數超過教師，顯示小模型亦能提供高品質情感理解與生成。