DUEL：用于多模态推理的对抗性自博弈

强化学习虽能提升视觉语言模型（VLM）的推理能力，但依赖昂贵标注且难以扩展。现有无监督方法易因视觉 grounding 弱而偏离。本文提出 DUEL，一种自进化后训练框架，通过同一预训练 VLM 初始化的两个策略间的对抗交互产生监督信号。挑战者生成基于图像的真实陈述及微扰硬负样本，求解者进行验证，以促进细粒度视觉判别。此外，引入长度归一化对数似然奖励以稳定优化。实验表明，DUEL 无需额外人工标注或外部工具，即可持续提升视觉推理与鲁棒判别能力。