EVAN：用证据消融负样本强化多模态推理

EVAN 用遮蔽关键图像块生成的负样本抑制多模态推理中的捷径学习。

资讯摘要

论文提出 EVAN 多模态强化学习框架，针对 RLVR 中模型靠语言先验或数据捷径获取奖励、而非依据视觉证据的问题，用证据消融负样本训练 LMM。方法先用图像信息增益指标筛选高度依赖视觉的样本，并以混合排序保持数据多样性；再遮蔽最具判别性的图像块生成证据消融图像，诱导当前策略给出看似合理但缺乏视觉依据的回答，作为有界辅助信号在干净图像下参与优化。作者报告在多个多模态推理基准上缓解模态失衡并优于强 RLVR 基线，代码已开源。

要点速读

1. 论文指出标准结果监督存在信用分配模糊，模型可能靠语言先验或数据集捷径获得正奖励。
2. EVAN 用图像信息增益筛选视觉依赖样本，并通过遮蔽关键图像块构造证据消融负样本。
3. 作者报告在多个多模态推理基准上缓解模态失衡，效果优于强 RLVR 基线，代码已公开。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。