HF Daily Papers·· 2 天前精选AI 评分54
论文提出 EvidenceConnect，以合成证据连接数据提升 Zooming without Zooming v2 的多模态感知泛化能力
Zooming without Zooming v2: From Seeing Details to Connecting Evidence for Generalizable Multimodal Perception
AI 导读
论文提出 EvidenceConnect，通过同一图像相关区域的缩放视图合成问题，并用 RLVR 训练出 Zooming without Zooming v2（ZwZ2）。框架仅保留多个独立 VLM 达成一致的参考答案，并通过区域消融剔除移除相关区域后答案仍成立的问题。ZwZ2 改善了细粒度与空间感知，并在具身空间推理、多模态长上下文理解、多模态智能体任务和通用视觉推理上获得进一步提升。
推荐理由
论文把证据连接抽象为可合成能力，并用独立 VLM 一致性与区域消融筛选训练数据，给出可复用的多模态训练流程。
来源：HF Daily Papers · huggingface.co