**SIMIT：通过测试时想象力实现视觉语言模型的自我改进**

_SIMIT: Self-Improving Vision-Language Models via Imagination at Test-Time_

> SIMIT 是一种无需标注或外部模型即可在测试时自我改进的框架。该模型通过“想象力”生成针对特定查询的自定义训练数据（问题 - 答案 - 图像三元组），而非依赖传统的重复采样或基于多数投票的奖励机制。SIMIT 结合原生图像生成与可扩展的技能库，通过多阶段验证和自适应预算分配来筛选高质量数据，从而在 17 个基准测试中显著超越现有方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.00053)