arXiv · 机器人与计算机视觉· Haoxiang Sun, Zhihang Yi, Langxuan Deng, Yuhao Zhou, Peiqi Jia, Jian Zhao, Li Yuan, Jiancheng Lv, Tao Wang·· 14 小时前AI 评分43
V-Zero:基于对比视觉证据的门控同策略蒸馏模型
V-Zero: Gating On-Policy Distillation with Contrastive Visual Evidence for Fine-Grained Visual Reasoning
AI 导读
V-Zero 通过门控同策略蒸馏与对比视觉证据,解决细粒度视觉推理中轨迹级判别缺失的问题。该模型在无需标注文本推理痕迹或外部奖励信号的情况下,使 Qwen3.5-4B 骨干平均提升 3.9 点且保持泛化性。相比监督微调与强化学习基线,其训练速度分别提升超过 3 倍和 6 倍。
来源:arXiv · 机器人与计算机视觉 · arxiv.org