并非所有提示词都平等：面向多模态强化学习后训练的探索引导式提示词脚手架
Not All Prompts Are Equal: Exploration-Guided Prompt Scaffolding for Multimodal Reinforcement Post-Training
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出探索引导式提示词脚手架框架，在多模态大语言模型（MLLM）的在线强化学习后训练中动态调整训练提示词分布，核心是可直接由 on-policy rollout 统计计算的 Exploration Potential Score（EPS）。
来源：Hugging Face Daily Papers · arxiv.org