요약

본 기술 기사는 다중 모달 강화 학습(Multi-modal RL)에서 발생하는 분포적 드리프트 문제를 해결하는 새로운 3단계 파이프라인을 제안합니다. 이 방법은 SFT와 RLVR 사이에 MoE 디스크리미네이터를 삽입하여 정렬 단계를 추가하며, 이를 통해 기존의 표준 SFT-to-RL 방식 대비 Qwen3-VL 모델의 정확도를 크게 향상시키는 결과를 보여줍니다.

핵심 포인트

• 다중 모달 RL에서 발생하는 분포적 드리프트(Distributional Drift) 문제를 해결하는 새로운 접근 방식을 제시합니다.
• SFT와 RLVR 사이에 MoE 디스크리미네이터를 삽입하여 정렬 단계를 추가하는 3단계 파이프라인을 구축했습니다.
• MoE 디스크리미네이터는 Perception 및 Reasoning 전문가 모듈을 포함하여 모델의 이해도를 높입니다.
• 제안된 방법은 Qwen3-VL 모델의 정확도를 기존 대비 상당한 수준(4B/8B에서 각각 +4.4/+6.0 포인트)으로 개선했습니다.