NoisyRollout: Rafforzare il Ragionamento Visivo con l'Aumentazione dei Dati

NoisyRollout: Reinforcing Visual Reasoning with Data Augmentation

April 17, 2025

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

cs.AI

Abstract

I recenti progressi nell'apprendimento per rinforzo (RL) hanno potenziato le capacità di ragionamento dei modelli visione-linguaggio (VLMs). Tuttavia, il miglioramento dell'esplorazione delle politiche per scalare in modo più efficace il calcolo durante il test rimane poco esplorato nei VLMs. Inoltre, i VLMs continuano a lottare con una percezione visiva imperfetta, che a sua volta influisce sul processo di ragionamento successivo. A tal fine, proponiamo NoisyRollout, un approccio RL semplice ma efficace che combina traiettorie provenienti sia da immagini pulite che moderatamente distorte per introdurre una diversità mirata nella percezione visiva e nei modelli di ragionamento risultanti. Senza costi aggiuntivi di addestramento, NoisyRollout migliora le capacità di esplorazione dei VLMs incorporando un bias induttivo orientato alla visione. Inoltre, NoisyRollout utilizza una pianificazione di attenuazione del rumore che riduce gradualmente l'intensità della distorsione durante l'addestramento, garantendo benefici dai segnali rumorosi nelle fasi iniziali mentre mantiene stabilità e scalabilità nelle fasi successive. Con soli 2.1K campioni di addestramento, NoisyRollout raggiunge prestazioni all'avanguardia tra i modelli RL ottimizzati open-source su 5 benchmark fuori dominio che coprono sia compiti di ragionamento che di percezione, preservando prestazioni comparabili o addirittura migliori nel dominio di riferimento.

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.