摘要
本发明公开了一种视觉语言模型目标检测能力增强方法，包括：首先，构建包含属性、交互、方位、否定和硬负样本等复杂语义标签的推理型目标检测数据集；其次，在GRPO强化学习框架下，通过特定提示词引导VLM先生成推理过程再输出检测结果。本发明采用复合奖励函数来评估模型生成的多个候选输出，该函数包含：确保输出遵循预设思考和答案结构的格式奖励，以及一个创新的ODLength奖励。该ODLength奖励将平均精度均值与一个长度惩罚项相结合，有效抑制了冗余预测。最后，根据总奖励值更新模型策略网络。本发明能显著提升VLM在复杂推理场景下的目标检测精度与泛化能力，并提高推理效率。
