摘要
针对制造业视觉检测中需求多变、缺陷类型新及标注数据稀缺的挑战，本文提出一种答案条件化思维链（CoT）蒸馏方法。该方法利用前沿大模型生成基于正确标签的视觉解释，并通过 LoRA 微调小型视觉语言模型。通过强制推理过程导向正确结论，有效避免了错误推理导致的性能下降。实验表明，在极少样本下，该方法显著优于直接微调，甚至在特定任务上超越 GPT-4.1，证实了高质量推理增强的有效性。
AI 推荐理由
论文核心提出答案条件化的思维链蒸馏方法，直接优化小模型的推理质量与逻辑一致性。
研究机构
Entropy AI Research Labs Private Limited
论文信息