📖 AI 总结

VICO 是一套面向视觉语言模型推理能力的协同进化训练框架，旨在解决当前基于可验证奖励的强化学习（RLVR）依赖静态训练环境所导致的信号衰减问题。研究指出，随着模型能力提升，固定任务会逐渐变得过于简单或始终无法解决，使学习信号失效。为此，VICO 让执行模型与一个“环境改写器”（EnvRewriter）联合训练：后者通过编辑场景图、图表表格或受保护区域掩码等图像侧结构并重新渲染，生成标签有效、难度与模型当前能力相匹配的新样本，其难度由基于通过率的奖励进行校准，整个过程无需额外人工标注。在九个涵盖数学推理与视觉基础理解的多模态基准上，VICO-8B 在域外任务上较基座模型最高提升 5.0%，分别超过最强的自进化基线和文本编辑协同进化基线 4.3% 与 8.4%，并在使用少 16 至 160 倍标注样本的情况下达到与图表专用 RLVR 方法相当的水平。该工作将监督来源从人工标注转向图像编辑协同进化，为视觉推理训练提供了超越静态语料 RLVR 的可扩展路径。

🔑 关键词速览