**先看再推理：ViGOS分离感知与推理，防御多模态模型捷径依赖**

_Seeing Before Reasoning: Decoupling Perception and Reasoning for Shortcut-Resilient Multimodal On-Policy Self-Distillation_

> 在线策略自蒸馏（OPSD）在纯文本推理中表现良好，但直接用于多模态大模型（MLLMs）时，模型可能仅依赖文本参考而忽略图像，形成捷径。为此，ViGOS框架将过程解耦为视觉描述和最终推理两步：对有效序列，由仅图像感知教师指导描述，由特权推理教师指导推理；对无效序列，则用参考教师恢复格式。该方法在通用视觉语言、专家推理、视觉数学等基准上既保持OPSD优势，又显著增强了图像依赖行为，使模型抗捷径能力更强。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.19120)