NoisyRollout: Reforçando o Raciocínio Visual com Aumento de Dados

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

Resumo

Avanços recentes em aprendizado por reforço (RL) fortaleceram as capacidades de raciocínio de modelos visão-linguagem (VLMs). No entanto, a melhoria da exploração de políticas para escalar de forma mais eficiente o cálculo em tempo de teste permanece pouco explorada em VLMs. Além disso, VLMs continuam a enfrentar dificuldades com percepção visual imperfeita, o que, por sua vez, afeta o processo subsequente de raciocínio. Para isso, propomos o NoisyRollout, uma abordagem de RL simples, porém eficaz, que combina trajetórias de imagens limpas e moderadamente distorcidas para introduzir diversidade direcionada na percepção visual e nos padrões de raciocínio resultantes. Sem custo adicional de treinamento, o NoisyRollout aprimora as capacidades de exploração de VLMs ao incorporar um viés indutivo orientado para a visão. Além disso, o NoisyRollout emprega um cronograma de redução gradual de ruído que diminui progressivamente a intensidade da distorção ao longo do treinamento, garantindo benefícios dos sinais ruidosos no início, enquanto mantém a estabilidade e escalabilidade do treinamento em estágios posteriores. Com apenas 2.1 mil amostras de treinamento, o NoisyRollout alcança desempenho de ponta entre modelos ajustados por RL de código aberto em 5 benchmarks fora do domínio, abrangendo tarefas de raciocínio e percepção, enquanto mantém desempenho comparável ou até melhor no domínio 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.