modality-regulation

本文提出MARS，一种单锚多源推理框架，利用动态锚定量化信息增益，并在基于可验证奖励的强化学习过程中调节模态交互，在GRPO和DAPO上分别实现了3.2%和4.9%的性能提升，涵盖多个数据集。