VisualSphinx推出合成视觉逻辑推理数据集

VisualSphinx论文作者团队提出大规模合成视觉逻辑推理训练数据集，旨在提升视觉语言模型的逻辑推理能力。该数据集采用规则到图像（rule-to-image）合成流水线，从种子问题中提取并扩展谜题规则，再通过可执行的渲染程序生成视觉逻辑谜题。 作者团队使用标准GRPO训练方法和二元正确性奖励进行实验验证，结果显示，使用VisualSphinx训练的视觉语言模型在逻辑推理任务上表现有所提升。此外，作者称，这种推理能力的提升还能迁移至代数、算术和几何推理任务。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。