Groc-PO：面向真实多模态大模型的基于 grounded context 的偏好优化

论文指出，标准DPO主要在最终答案层面优化多模态模型，难以纠正早期目标定位和上下文理解中的错误传播。作者提出Groc-PO，并构建覆盖目标定位、上下文定位和基于定位推理三阶段的GCPD数据集，以提供更明确的阶段级偏好监督，改善视觉幻觉、推理忠实性与整体可靠性。