无需标注图像，VLM也能「自我进化」！RL自我进化框架VisPlay突破视觉推理难题

VisPlay 提出一种基于自进化强化学习的视觉-语言模型训练框架，仅需未标注图像即可实现能力提升。该框架将模型分解为“提问者”与“推理者”，结合难度与多样性奖励机制，在 Qwen2.5-VL 和 MiMo-VL 等模型上实现了跨八个基准的一致性能增益，显著增强了复杂视觉推理、组合泛化能力，并有效降低幻觉率，为低成本、可扩展的多模态系统进化提供了新方向。
来源：https://mp.weixin.qq.com/s/QaGNy7Q8jBFl0bfVJfgXKA