JUDO：一种用于工业异常问答的并置领域导向多模态推理器

大型多模态模型虽推动了工业异常检测，但缺乏领域知识限制了其在复杂场景中的准确性。本文提出 JUDO 框架，高效融合领域知识与上下文进行视听推理。该模型通过将查询图像与正常图像并置作为视觉上下文，实现细粒度缺陷分割；同时利用监督微调注入领域知识，并通过带有定制奖励的强化学习引导领域导向的推理过程。实验表明，JUDO 在 MMAD 基准上表现优异，超越了 Qwen2.5-VL-7B 和 GPT-4o，证明了增强领域知识对异常理解推理的重要性。