UniEvo-VL：让多模态模型自我进化
UniEvo-VL: Self-Distillation Training for Multimodal Model Self-Improvement
现代多模态模型正在生成与理解之间架起桥梁，UniEvo-VL 提出了一种无需外部教师模型的自我蒸馏训练方案。该框架让单一模型在测试时计算中扮演师生双重角色：学生仅接收原始问题，而教师则利用模型自身的批判性反馈作为特权信息进行指导。通过在 Qwen-image-2512 上的实验，该方法显著提升了图像生成能力，GenEval 分数从 0.747 跃升至 0.808。研究还发现，具备更强评判能力的模型能触及更高的自我进化天花板，为无监督下的递归自我改进提供了新路径。
我们利用模型自身的批判作为特权信息，让单一多模态模型在不同上下文中同时扮演教师和学生。