PerceptRL：从答案到交互，让MLLM视觉感知可奖励

PerceptRL用可验证QA与多轮工具交互强化MLLM视觉感知。

资讯摘要

论文提出PerceptRL，针对多模态大模型后训练中细粒度视觉感知瓶颈，从两个层面强化感知：感知强化学习用多智能体流程从密集图像描述中提取经核验的错误，转为固定答案标签的QA对并配规则奖励；感知智能体强化学习通过多轮视觉工具检查处理单轮难以解决的细密案例，并用坐标注入与接地感知过程奖励纠正空间操作偏差。作者报告在七个基准、统一工具协议下平均准确率71.6%，分别高于同工具基线和最强前沿VLM 15.7与5.2个百分点。

要点速读

1. 感知RL用多智能体流程从密集描述中提取核验错误，生成固定答案标签的QA对并采用规则奖励。
2. 感知智能体RL以多轮视觉工具检查处理细粒度案例，坐标注入与接地感知过程奖励监督中间空间保真度。
3. 作者报告七个基准平均准确率71.6%，高于同工具基线15.7个百分点、最强前沿VLM 5.2个百分点。

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 2026/10/29 08:00:21（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。