強化學習

深度分析

TRON：結合生成器與驗證器的即時視覺推理強化學習環境

隨著多模態模型依賴獎勵式後訓練，傳統靜態影像問答資料受限於標註成本與重複性。研究提出TRON，透過生成器與驗證器即時產出新穎圖像‑問題對，並以可驗證規則給予確切回饋。實驗顯示，TRON‑DAPO在十項視覺推理基準上顯著提升多個大型VLM的表現。