V-Zero：基于对比证据门控的无答案标签在线策略蒸馏用于细粒度视觉推理

细粒度视觉推理要求多模态大语言模型识别任务相关的视觉证据，并将推理 grounded 于局部图像区域。现有方法通常依赖强化学习或大规模标注推理轨迹的监督微调，导致探索成本高或依赖文本监督。本文提出 V-Zero，一种无需答案标签的视觉推理框架，通过对比证据门控评估学生采样轨迹并门控密集 token 级蒸馏。实验表明，V-Zero 在多个视觉推理基准上持续提升细粒度推理能力，同时保持强泛化性，且训练速度显著快于先前方法。