Faithful-MR1: Faithful Multimodal Reasoning via Anchoring and Reinforcing Visual Attention

En 3 lignesFaithful-MR1 est un framework d'entraînement pour MLLMs qui améliore le raisonnement multimodal via apprentissage par renforcement. Il ancre l'attention visuelle directement sur les régions d'image (pas via descriptions textuelles) et renforce l'utilisation fidèle de cette attention par intervention contrefactuelle. Résultats sur Qwen2.5-VL-Instruct 3B/7B avec moins de données.

Résumé généré par Claude — vérifié par l'humain