**TRON: 面向视觉推理强化学习的目标规则可验证在线环境**

_TRON: Targeted Rule-Verifiable Online Environments for Visual Reasoning RL_

> TRON 是一个在线环境框架，能够按需生成全新的训练实例（包括图像、问题和可验证答案），用于视觉语言模型的强化学习后训练。它包含 520 个环境，涵盖空间、数学、图表、模式/逻辑和计数五种能力，无需额外收集数据即可训练单一全能力模型或专项专家模型。在多个视觉推理基准上，该方法显著提升了模型性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.01599)