Meituan（美团）

Training Multi-Image Vision Agents via End2End Reinforcement Learning

通过端到端强化学习训练多图像视觉代理

Chengqi Dong, Chuhuai Yue, Hang He, Rongge Mao, Fenghe Tang, S Kevin Zhou, Zekun Xu, Xiaohan Wang, Jiajun Chai, Guojun Yin

机构 * MeiTuan（美团） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出IMAgent，通过端到端强化学习训练视觉代理，解决多图像问答任务中的输入限制问题，通过设计视觉反思和验证工具提升模型注意力，首次从注意力角度揭示工具使用对性能的影响。