上海人工智能实验室推出VPPO用于多模态强化学习 这种新方法突出了“令牌感知”，使得大型视觉语言模型（LVLMs）能够更好地推理。它在8个基准测试中取得了最先进的结果，具有更好的稳定性和更快的收敛速度。