AI 大模型

视觉大模型 / VLM

视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。

2026-02-12 至 2026-02-12 共收录 4 篇信号源：cs.CV, cs.AI, cs.LG

1. VLM训练与架构 4 篇

2602.10815 2026-02-12 cs.CV cs.LG 81%

Why Does RL Generalize Better Than SFT? A Data-Centric Perspective on VLM Post-Training

为什么强化学习比监督微调在泛化能力上更优？一种以数据为中心的视觉语言模型后训练视角

Aojun Lu, Tao Feng, Hangjie Yuan, Wei Li, Yanan Sun

机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院）； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）

专题命中 VLM训练与架构：VLM(title)；vision-language model(abstract)；分类 cs.CV、cs.LG

AI总结本文通过数据视角揭示了RL在VLM后训练中泛化能力优于SFT的原因，提出DC-SFT方法提升OOD性能并提高稳定性。

2602.10458 2026-02-12 cs.AI cs.LG 73%

Found-RL: foundation model-enhanced reinforcement learning for autonomous driving

Found-RL: 基于基础模型的强化学习用于自动驾驶

Yansong Qu, Zihao Sheng, Zilin Huang, Jiancong Chen, Yuhao Luo, Tianyi Wang, Yiheng Feng, Samuel Labi, Sikai Chen

专题命中 VLM训练与架构：vision-language model(abstract)；VLM(abstract)；分类 cs.AI、cs.LG

AI总结 Found-RL通过异步批量推理和多样化监督机制，提升自动驾驶中强化学习的效率与实时性。

Comments 39 pages

2602.00653 2026-02-12 cs.CV cs.AI 62%

Non-Contrastive Vision-Language Learning with Predictive Embedding Alignment

非对比视觉语言学习与预测嵌入对齐

Lukas Kuhn, Giuseppe Serra, Florian Buettner

机构 * Goethe University Frankfurt（法兰克福歌德大学）； German Cancer Research Center (DKFZ)（德国癌症研究中心（DKFZ））； German Cancer Consortium (DKTK)（德国癌症联合会（DKTK））

专题命中 VLM训练与架构：vision-language model(abstract)；分类 cs.CV、cs.AI

AI总结 NOVA通过联合嵌入预测与分布正则化，实现非对比视觉语言学习，简化训练目标并提升稳定性与效果。

2602.10740 2026-02-12 cs.CL 50%

Reinforced Curriculum Pre-Alignment for Domain-Adaptive VLMs

强化课程预对齐用于领域自适应视觉-语言模型

Yuming Yan, Shuo Yang, Kai Tang, Sihong Chen, Yang Zhang, Ke Xu, Dan Hu, Qun Yu, Pengfei Hu, Edith C. H. Ngai

机构 * Tencent（腾讯）

专题命中 VLM训练与架构：vision-language model(abstract)

AI总结本文提出RCPA方法，通过课程意识的渐进调节机制，在领域自适应中平衡领域知识获取与通用能力保持。