YAML Metadata Warning:empty or missing yaml metadata in repo card
Check out the documentation for more information.
SetGround 条件选题学习首检
这不是 VLM 权重或多轮 RL。两个九参数策略分别采用状态内回报回归和最优动作蒸馏，只读取候选问题的 soft/matching/row 分数及二阶项。
训练代码：aa3ece7ced2799be0cb87304eedcc6fd141e3107，code/train_setground_question_policy.py；Git： https://github.com/luojiaxuan/cvpr-multimodal-evidence 。
来源：gavinlaw/setground-interactive-grounding@38dc6782c4aa387172ee17f9a82f22dccd8684be，snapshots/2026-09-30-k2-substitution。固定 full、k2_w10，144轨迹、1664状态、4927动作；Hawkins、Zeng、baskets整context留一，折名即该模型未参与训练的context。
Schema 与复现
*-model.json 保存 feature_names、训练折 mean/scale、parameters.reward_ridge/sft、固定config和训练来源摘要。对每候选的三个分数 s/m/r 构造 [s,m,r,s²,m²,r²,sm,sr,mr]，标准化后点积，取最大；完全并列优先原策略动作，否则取池内最早动作。GT与模拟回答只作训练监督，不进入推理特征。
运行：python code/train_setground_question_policy.py --output <new-run-dir> < <local-token-file>。令牌只通过stdin读取，不写入产物。
training-table.json.gz 包含各状态的特征、候选正确数和来源ID；*-predictions.json.gz 是逐折冻结动作；summary.json 含所有对照、分层及费用。数据记录受上游研究数据条款约束，保留在已有私有dataset；公开model仓库只包含小型数值模型和本说明，无图像、描述、逐样本记录或凭据。
结果与限制
三context等权、单点替换条件准确率：原策略37.2718%，回报回归37.3419%，蒸馏37.3254%，池内oracle39.1222%。baskets两学习策略均低于原策略0.0625个百分点。不能将这些单点替换收益相加为完整在线效果。
回答来自同模型argmax模拟Director，不是人工或独立Director；历史测试已长期用于开发。此结果只验证训练链路和很弱的跨context信号，不证明多轮RL、场景泛化或论文主张。训练GPU用量0，旧数据获取费用不减免。模型参数与数据的不可变revision由Git发布回执记录。