ViRA: Cross-Input Relative Policy Optimization을 통한 초고해상도 시각 에이전트 개발
요약
기존 시각 에이전트가 상식에 의존하는 문제를 해결하기 위해 Cross-Input Relative Policy Optimization(CrossRPO)을 제안합니다. 이는 증거와 관련하여 작은 영역만 다른 대비 세트를 활용하며, 전체 세트 해결에 보상을 부여해 읽기 기반 추론 능력을 강화합니다. ViRA 모델은 이를 통해 높은 세트 정확도를 달성했습니다.
핵심 포인트
- CrossRPO는 대비 세트를 이용해 증거 기반의 시각 추론 능력을 효과적으로 강화합니다.
- ViRA-9B와 ViRA-27B 모델은 CrossRPO 훈련을 통해 높은 세트 정확도를 달성했습니다.
- 제안된 성능은 기존 GRPO보다 높으며, Claude Haiku 5.5 등 상용 모델과 경쟁하는 수준입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기