Question-Specific Knowledge Graphs for Efficient Visual Reasoning

summary_zh: VisKG 是一种基于强化学习的视觉推理框架，将图像转化为问题特定的知识图谱表示，在保持链式推理所需实体关系的同时过滤感知噪声。实验显示 VisKG 在科学、数学和通用视觉理解基准上达到与基线相当或更好的性能，同时所需 token 数更少；采用 GDPO 训练相比 GRPO 平均提升 2% 准确率。