.png){kind=icon}
返回
Rule-Based Reinforcement Learning for Document Image Classification with Vision Language Models
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-09368-4_18.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于规则的强化学习自DeepSeek-R1通过简单可验证奖励展示其成功以来，日益受到关注。在文档分析领域，强化学习的应用并不普遍，尽管许多下游任务可能受益于强化学习的涌现特性，特别是增强的推理能力。我们研究了基于规则的强化学习在文档图像分类这一文档分析中最常见的下游任务上的效果。我们发现，强化学习在处理分布外数据时通常具有更好的泛化能力，我们通过三种不同场景进行了检验，即分布外图像、未见类别和不同模态。我们的代码可在https://github.com/jungomi/vision-finetune获取。
Keyword:
Document Image Classification
Vision Language Models
Large Language Models
Reinforcement Learning
期刊
D
IF:
0
论文数:
22
被引数:
0
机构
引用论文
Benchmark Evaluations, Applications, and Challenges of Large Vision Language Models: A Survey大规模视觉语言模型的基准评估、应用与挑战：综述.png)
OAAI
IF0
OAAI分享收藏Med-R1: Reinforcement Learning for Generalizable Medical Reasoning in Vision-Language ModelsMed-R1: 视觉语言模型中广义医学推理的强化学习
PREAI
分享收藏
查看更多内容