**Where-OPD:基于空间引导的多模态大模型在线自蒸馏**

_Where-OPD: Spatially Guided On-Policy Self-Distillation of MLLMs with Synthetic Scenes_

> 该论文提出一种针对多模态大语言模型(MLLMs)的新型在线自蒸馏方法。通过利用程序化生成的合成场景提供空间坐标和物体身份等文本化空间引导,让教师模型定位关键视觉区域,学生模型则仅凭图像和问题学习复现该行为。该方法无需人工标注,在计数、文档及图表理解基准上表现一致提升,且合成数据训练的效果可迁移至真实世界感知任务,在多个基准上平均提升3.23分。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.02117)