多模態政策蒸餾

深度分析

ViCuR 框架：在多模態政策蒸餾中引入視覺提示提升推理與跨域表現

研究針對多模態在政策蒸餾中教師特權的列舉問題，提出以視覺提示取代答案特權的ViCuR框架，並加入輕量化提示回收模組，使學生能自行恢復相關證據。實驗顯示在七項基準上平均提升逾一分，顯示視覺特權設計與教師強度同等重要。此改進對未來多模態AI系統的可靠性與可解釋性具正向貢獻。