**多模态大语言模型能自我修复受损视觉内容吗？Robust-U1框架探索自恢复能力**

_Robust-U1: Can MLLMs Self-Recover Corrupted Visual Content for Robust Understanding?_

> 多模态大语言模型在实际视觉干扰下性能骤降。现有方法存在局限：黑盒特征对齐缺乏可解释性，白盒文本推理无法恢复像素级细节。本文提出Robust-U1框架，赋予模型显式视觉自我修复能力，通过监督微调、带双重奖励的强化学习以及多模态推理，在真实世界干扰和对抗干扰下均达到最优鲁棒性，证实高质量视觉恢复直接提升推理效果。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.08063)