ViCuR：将视觉线索作为可恢复特权用于多模态同策略蒸馏

同策略蒸馏（OPD）通过在教师监督下训练学生模仿其自身策略轨迹来提升推理能力。在多模态场景中，常用拥有特权信息（如参考答案）的教师，但这导致训练与测试不匹配，诱发捷径模仿而非基于视觉的推理。本文提出 ViCuR 框架，用输入中可恢复的视觉线索替代答案侧特权。ViCuR 引入轻量级线索恢复模块，利用专用 sink-token 交叉注意力聚合视觉证据，无需改变推理接口。在七个基准测试中，ViCuR 显著优于基于答案的蒸馏基线，证明了教师特权设计在多模态同策略蒸馏中的关键作用。