S2H-DPO：面向视觉语言模型的难度感知偏好优化

视觉语言模型在单图理解上进展显著，但多图推理仍具挑战。现有方法多依赖预设索引进行局部推理，缺乏全局视觉搜索与自主跨图比较能力。为此，本文提出“由简至难”（S2H）学习框架，构建涵盖单图局部推理、多图局部比较及全局视觉搜索三个层级的偏好数据。该方法利用提示驱动的复杂性生成通用偏好对，而非依赖特定模型属性。实验表明，该框架在提升多图推理性能的同时，保持了强大的单图推理能力，推动了整体视觉偏好对齐技术的发展。