论文页 - Visual Para-Thinker++：用于视觉推理的单策略多智能体框架

来源：https://huggingface.co/papers/2606.09290

摘要

一个共享MLLM策略和角色专属训练方法的多智能体框架，通过减少幻觉并实现高效并行处理来提升视觉推理能力。

视觉推理需要整合分布在区域、属性和关系中的证据，这使得单链推理容易陷入早期感知承诺和幻觉问题。我们提出 Visual Para-Thinker++，一个单策略多智能体框架，其中共享的MLLM策略被实例化为带有角色条件的主智能体、工作智能体和总结智能体。主智能体使用固定分配模式分解任务；工作智能体在上下文隔离下并行推理；总结智能体整合所有工作智能体的完整推理轨迹，而非对最终标签进行多数投票。共享策略通过多智能体能力注入和角色解耦多智能体优化进行训练，后者为对应 token 片段分配角色专属奖励和优势，以减少协作角色间的梯度冲突。原生推理引擎通过共享视觉前缀和KV缓存复用实现高效的多智能体 rollout。在 V*、CountBench、RefCOCO 系列和 HallusionBench 上，Visual Para-Thinker++ 一致地优于单轨迹和推理时并行基线，在对幻觉敏感的视觉推理任务上尤其表现出强劲的增长。

查看 arXiv 页面 (https://arxiv.org/abs/2606.09290)查看 PDF (https://arxiv.org/pdf/2606.09290)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.09290)

在您的智能体中获取此论文：

hf papers read 2606\.09290

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2606.09290 以从此页面链接。

引用此论文的数据集0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.09290 以从此页面链接。

引用此论文的 Spaces0

没有 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2606.09290 以从此页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面链接。