NoisyRollout: Reforzando el razonamiento visual con aumento de datos

NoisyRollout: Reinforcing Visual Reasoning with Data Augmentation

April 17, 2025

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

cs.AI

Resumen

Los recientes avances en el aprendizaje por refuerzo (RL, por sus siglas en inglés) han fortalecido las capacidades de razonamiento de los modelos de visión y lenguaje (VLMs). Sin embargo, la mejora en la exploración de políticas para escalar de manera más efectiva el cómputo en tiempo de prueba sigue siendo un área poco explorada en los VLMs. Además, estos modelos continúan enfrentando dificultades con la percepción visual imperfecta, lo que a su vez afecta el proceso de razonamiento subsiguiente. Para abordar esto, proponemos NoisyRollout, un enfoque de RL simple pero efectivo que combina trayectorias tanto de imágenes limpias como moderadamente distorsionadas para introducir diversidad dirigida en la percepción visual y los patrones de razonamiento resultantes. Sin costos adicionales de entrenamiento, NoisyRollout mejora las capacidades de exploración de los VLMs al incorporar un sesgo inductivo orientado a la visión. Además, NoisyRollout emplea un programa de reducción de ruido que disminuye gradualmente la intensidad de la distorsión durante el entrenamiento, asegurando beneficios de las señales ruidosas en etapas tempranas mientras mantiene la estabilidad y escalabilidad en fases posteriores. Con solo 2.1K muestras de entrenamiento, NoisyRollout logra un rendimiento de vanguardia entre los modelos ajustados con RL de código abierto en 5 benchmarks fuera de dominio que abarcan tareas de razonamiento y percepción, manteniendo un rendimiento comparable o incluso mejor en el dominio original.

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.