归功于正确的盒子：结构化视觉感知的边际贡献分配

人们越来越期望多模态 大语言模型 (MLLM) 能够解决需要视觉识别、语言到对象绑定、对象基数保留以及精确本地化基础和分割输出的结构化感知任务。然而，现有的与组相关的强化学习方法仅提供响应级别的监督，从而为结构化多对象预测造成粒度不匹配：单个优势被广播到响应中的所有标记，而不区分各个框的贡献。为了解决这种不匹配问题，我们提出了 MCR-GRPO，这是一种边际贡献分配框架，可直接从每个采样响应中得出框级信用。具体来说，边际贡献奖励（MCR）通过留一比较来估计每个预测框的贡献，测量当框从响应中移除时匹配的设定值如何变化。响应内标准化后，提高设定值的记录将获得积极的信用，而冗余或有害的记录将被抑制。为了使边际归因稳定且信息丰富，我们进一步引入了连续匹配集值评估器，它集成了排列不变匹配、计数感知归一化和分级定位。 MCR-GRPO 将标准化的框级边际优势映射到生成每个框的词元跨度，保留 GRPO 的响应级别比较，同时实现结构化多对象视觉定位的框感知优化。跨 REC、DOD、分段和计数基准的实验表明，与之前基于 GRPO 的基准相比，具有最先进的性能。