NoisyRollout: Verstärkung des visuellen Denkens durch Datenanreicherung

NoisyRollout: Reinforcing Visual Reasoning with Data Augmentation

April 17, 2025

Autoren: Xiangyan Liu, Jinjie Ni, Zijian Wu, Chao Du, Longxu Dou, Haonan Wang, Tianyu Pang, Michael Qizhe Shieh

cs.AI

Zusammenfassung

Jüngste Fortschritte im Bereich des Reinforcement Learning (RL) haben die Fähigkeiten von Vision-Language-Modellen (VLMs) zur logischen Schlussfolgerung gestärkt. Die Verbesserung der Policy-Exploration, um die Rechenleistung zur Testzeit effektiver zu skalieren, bleibt jedoch in VLMs weitgehend unerforscht. Zudem kämpfen VLMs weiterhin mit unvollkommener visueller Wahrnehmung, was sich wiederum auf den nachfolgenden Schlussfolgerungsprozess auswirkt. Vor diesem Hintergrund schlagen wir NoisyRollout vor, einen einfachen, aber effektiven RL-Ansatz, der Trajektorien sowohl aus sauberen als auch aus mäßig verzerrten Bildern mischt, um gezielte Diversität in der visuellen Wahrnehmung und den daraus resultierenden Schlussfolgerungsmustern einzuführen. Ohne zusätzliche Trainingskosten verbessert NoisyRollout die Explorationsfähigkeiten von VLMs durch die Einführung einer visuell orientierten induktiven Verzerrung. Darüber hinaus verwendet NoisyRollout einen Rauschabklingplan, der die Stärke der Verzerrung während des Trainings schrittweise reduziert, um frühzeitig von verrauschten Signalen zu profitieren und gleichzeitig die Trainingsstabilität und Skalierbarkeit in späteren Phasen zu gewährleisten. Mit nur 2.1K Trainingsdaten erreicht NoisyRollout state-of-the-art Leistungen unter den Open-Source-RL-optimierten Modellen in 5 Out-of-Domain-Benchmarks, die sowohl logische Schlussfolgerungen als auch Wahrnehmungsaufgaben umfassen, während es eine vergleichbare oder sogar bessere In-Domain-Leistung beibehält.

English

Recent advances in reinforcement learning (RL) have strengthened the reasoning capabilities of vision-language models (VLMs). However, enhancing policy exploration to more effectively scale test-time compute remains underexplored in VLMs. In addition, VLMs continue to struggle with imperfect visual perception, which in turn affects the subsequent reasoning process. To this end, we propose NoisyRollout, a simple yet effective RL approach that mixes trajectories from both clean and moderately distorted images to introduce targeted diversity in visual perception and the resulting reasoning patterns. Without additional training cost, NoisyRollout enhances the exploration capabilities of VLMs by incorporating a vision-oriented inductive bias. Furthermore, NoisyRollout employs a noise annealing schedule that gradually reduces distortion strength over training, ensuring benefit from noisy signals early while maintaining training stability and scalability in later stages. With just 2.1K training samples, NoisyRollout achieves state-of-the-art performance among open-source RL-tuned models on 5 out-of-domain benchmarks spanning both reasoning and perception tasks, while preserving comparable or even better in-domain performance.