UniEvo-VL: 以自我批评为师、单一多模态模型自我进化的训练配方

摘要

UniEvo-VL 是一个让多模态模型自我进化的框架：不依赖独立且通常更大的教师，而让同一个模型在不同上下文下分别扮演教师与学生——学生只看到原始问题，教师则以自我批评为特权信息为条件。训练在学生自身的采样轨迹上，最小化两者去噪扩散分布在每个状态上的散度。在开源 Qwen-image-2512 上，GenEval 从 0.747 提升到 0.808，GenEval2 Soft-TIFA 从 32.97 提升到 35.53，同时保持对额外反思信息的敏感性。尝试更强的外部评审（如 GPT5.6-Luna）显示，具备强判断能力的模型有望触及更高的自我进化上限；文本渲染结果则有好有坏，说明改进未必在各任务间一致。