先见后理：解耦感知与推理以实现抗捷径的多模态在线策略自蒸馏

在线策略自蒸馏（OPSD）在大型语言模型推理中表现优异，但直接扩展至多模态大模型时易产生“捷径”，即模型过度依赖文本参考目标而忽视图像信息。本文提出 ViGOS，一种面向多模态大模型后训练的视觉接地 OPSD 框架。该框架要求学生模型先生成视觉描述再进行推理得出最终答案。针对有效 rollout，分别由纯图像感知教师监督描述生成，由特权推理教师基于相同前缀监督推理过程及最终答案；仅在无效 rollout 时使用参考教师恢复输出格式。实验表明，ViGOS 在保留 OPSD 主要优势的同时，显著提升了易受捷径影响场景下的图像接地行为。