OracleAnalyser：通过后训练利用多模态大语言模型分析甲骨文的隐式语义

随着人工智能的发展，甲骨文研究进入新纪元，但现有方法多局限于识别任务，忽视了至关重要的分析环节。为此，本文提出 OracleAnalyser，一个基于后训练技术的甲骨文分析推理框架。具体而言，我们通过多阶段后训练微调 Qwen2.5-VL-3B-Instruct 模型，并针对甲骨文数据特性引入新的偏好优化算法——稳定焦点偏好优化（SFPO）。此外，我们发布了甲骨文推理数据集与偏好数据集，并构建了新基准以评估模型的分析能力。实验表明，该框架仅用 30 亿参数即展现出卓越的分析性能，超越了规模更大的模型。