无需标注图像,RL自我进化框架VisPlay突破视觉推理难题
![]()
在 Vision-Language Model 领域,无需提升其复杂推理能力通常依赖于耗费巨大的标注人工标注数据或启发式奖励。这不仅成本高昂,图像突破推理开封市某某金属制品维修站且难以规模化。自进
最新研究 VisPlay 首次提出了一个自进化强化学习框架,化框使 VLM 能够仅通过海量的视觉未标注图像数据进行自我演化和能力提升。
VisPlay 将基础 VLM 分解为「提问者」和「推理者」两大角色,难题通过迭代的无需自我进化机制协同进化,并结合 GRPO 算法和创新的标注开封市某某金属制品维修站多样性/难度奖励,平衡了问题的图像突破推理复杂度和答案的质量。
![]()
- Title:VisPlay: Self-Evolving Vision-Language Models from Images
- Paper:https://arxiv.org/abs/2511.15661
- Github:https://github.com/bruno686/VisPlay
实验证明,自进VisPlay 在 Qwen2.5-VL 和 MiMo-VL 等主流模型上实现了持续的化框性能提升,尤其在视觉推理、视觉组合泛化和幻觉减少方面效果显著,难题展示了一条可扩展、无需低成本的多模态智能进化新路径。
![]()
引言:
VLM 推理能力的「数据困境」
近年来,Vision-Language Model(VLM)在感知任务上取得了不小的进展,但在更复杂的视觉推理上仍然吃力。主流的提升方式如指令微调(SFT)或强化学习(RL)都绕不开一个核心难题:依赖高质量标注数据。尤其是强化学习,需要精准且可验证的奖励信号,而这些往往要靠耗时费力的人工标注或针对具体任务设计复杂的规则。
随着模型规模越来越大,人工标注的成本和速度已经逐渐跟不上模型演化的需求,这也成为进一步提升能力的主要瓶颈。在这样的背景下,研究者开始尝试「自进化」(Self-Evolving)的思路,让模型能通过自我生成、自我修正以及从自身经验中持续学习,从而实现自主的能力迭代。
VisPlay:
基于自我进化的自进化框架
为解决上述挑战,由来自伊利诺伊大学厄巴纳-香槟分校、华盛顿大学圣路易斯分校、马里兰大学、新加坡国立大学的研究团队提出的 VisPlay 框架,首次将自进化强化学习应用于 VLM,并实现仅依赖未标注图片进行自主学习。
VisPlay 的核心理念是自我进化(Self-Evolving):它从一个基础预训练 VLM 出发,将其在训练过程中分解成两个相互作用的角色。
Image-Conditioned Questioner(提问者)
负责根据输入的图片生成具有挑战性、但又可被回答的视觉问题。具体来说,VisPlay 设计了一种精妙的奖励机制来指导自我进化的质量,分别是难度奖励(Difficulty Reward)和多样性奖励(Diversity Reward)。
前者鼓励提问者生成更复杂的、需要深层次推理才能解决的问题;后者确保生成的问题类型和涉及的知识点足够广泛,防止模型陷入狭窄的知识或推理路径,从而实现更强大的组合泛化能力。
通过这种奖励机制,VisPlay 有效解决了自进化模型中常见的「答案质量低」和「问题重复度高」的问题,真正实现了从量变到质变的能力飞跃。
Multimodal Reasoner(推理者)
负责基于图片和提问者的问题,生成「白银级响应」(Silver Responses,即伪标注答案)。这里我们采用回答的准确性作为训练信号。
![]()
实验结果:
全方位的能力突破
研究团队将 VisPlay 应用于包括 Qwen2.5-VL 和 MiMo-VL 在内的多个主流 VLM 模型家族,并在八个主流基准数据集上进行了广泛评估,涵盖:通用视觉理解(如 MM-Vet)、跨模态推理(如 MMMU)、视觉数学推理(如 MathVerse)以及幻觉检测(HallusionBench)。
![]()
关键发现:
持续稳定的性能提升:在所有测试模型和基准上,VisPlay 都实现了一致且显著的准确率增益,证明了该框架的泛化性和有效性。
强大的组合泛化能力:模型在训练中未见过的复杂推理组合上表现出更强的鲁棒性。
有效抑制「幻觉」:VisPlay 通过自我进化生成的高质量问答对,有效帮助模型识别和修正错误的视觉-语言关联,显著减少了模型产生「幻觉」现象的概率,这是一个困扰 VLM 的重大问题。
VisPlay 的成功证明了仅依赖海量非结构化图片来持续提升 VLM 推理能力的可行性,为未来开发更智能、更自主的多模态系统指明了方向。
(责任编辑:娱乐)
-
新华社快讯:据沙特通讯社30日凌晨报道,沙特阿拉伯主导的多国联军发言人说,联军对也门穆卡拉港实施“有限”空袭。 相关报道 沙特领导的联军要求也门地区平民尽快撤离穆卡拉港新华社) 新华社快
...[详细]
-
央视曝光“陈皮”造假骗局!提醒:喝陈皮时,千万多留意这几点!
近日,央视揭露某地陈皮市场乱象丛生,存在年份随意虚标、产地和工艺造假的情况。那些标价千元一斤,号称“年份陈皮”的,很可能根本就是徒有虚名!一、售价千元,成本仅70元?央视《财经调查》接到群众举报称购买
...[详细]
-
△法院公布图片:案发现场的自制管状炸弹 当地时间12月22日,澳大利亚悉尼一家法院公布的文件显示,邦迪海滩枪击案嫌疑人纳维德·阿克拉姆在案发前曾与其父亲在新南威尔士州偏远地区进行“枪械使用训练”,并
...[详细]
-
近期,北京公安交管部门对14名驾驶人依法作出终生禁驾处罚,其中年龄最大的67岁,年龄最小的32岁。 终生禁驾是公安交通管理部门根据《中华人民共和国道路交通安全法》及其实施条例,对机动车驾驶人作出
...[详细]
-
##[转发关注!#东部战区组织实弹射击#]今日8时至18时,中国人民解放军东部战区将在图中海域和空域,进行重要军事演习,并组织实弹射击。中国人民解放军打“独”促统决不手软,将持续组织反分裂反干涉行
...[详细]
-
北京时间2025年12月20日20时30分,我国在文昌航天发射场使用长征五号运载火箭,成功将通信技术试验卫星二十三号发射升空,卫星顺利进入预定轨道,发射任务获得圆满成功。该卫星主要用于开展多频段、
...[详细]
-
今天22日),广州至湛江高铁建成通车,广州白云站至湛江北站最快1小时32分可达,北部湾城市群与粤港澳大湾区时空距离大幅压缩,为区域经济社会高质量发展提供有力支撑。此外,广湛高铁关键配套工程湛江北动
...[详细]
-
当一所学校的办学思想清晰、明确且获得广泛认同时,便会成为一股无形的力量——引领教师坚守教育初心,激发学生追求成长,吸引社会给予支持,最终推动学校在高质量发展的道路上稳步前行。来源 | 中国教师报作者
...[详细]
-
中国地震台网自动测定:12月27日23时05分在中国台湾地区附近北纬24.66度,东经122.35度)发生6.5级左右地震,最终结果以正式速报为准。 杭州有震感,“灯都在晃” 钱江三桥附近的赵
...[详细]
-
陕西女老师事件持续发酵,知情人揭露:抽烟穿吊带,还有多位男友
想让义务教育朝着素质教育发展,并且实现完美过渡的前提是什么?很多学校努力的方向都错了,其实不是取消成绩排名,更不是禁止学生补课,而是让老师拥有素质教育的能力。一个老师只会教授课本上的知识是无法让学生享
...[详细]

福建海警位台岛周边邻近海域开展执法管控演练
460万吨!我国最大超深油田年产油气创新高
看不见的“沉默杀手” 这些地方要当心!
国家安全机关提示:年终收官,安全红线须警惕
