多模态大模型推理技术综述

华东师大与字节跳动回顾基于强化学习的MLLMs推理进展，介绍MLLMs与RL基础，探讨RL在LLMs/MLLMs中的关键设计与优化策略，包括无价值和基于价值方法，还阐述多模态大模型推理的训练范式、奖励机制及训练效率等内容。