synthetic-benchmarks

本文介绍了Geo-Strat-RL，一个使用可验证奖励强化学习（RLVR）来训练视觉语言模型从地层图和地震数据中推理地质事件历史的合成环境，展示了改进的重建和跨领域迁移能力。

本文表明，像Forward-Forward (FF)这样的层局部训练方法无法扩展到真实的图像尺寸和数据集，且合成基准测试夸大了其性能。作者引入了一个强大的FF变体（DTG-FF），并证明在真实数据（例如224x224的ImageNet-100）上，FF仅达到49.4%，而典型BP超过75%，而在合成任务上，差距缩小甚至反转。