arXiv cs.AI· Meng Lu, Ligeng Zhu, Olivia Xiao, Yuchen Zhuang, Zihan Wang, Kuncheng Wu, Bangya Liu, Yu Wang, Charles Fleming, Wenqi Shi, Xuan Wang·· 9 天前AI 评分25
VICO：面向视觉语言模型推理的视觉环境协同演化框架
VICO: Visual Environments Co-Evolving for Vision-Language Model Reasoning
AI 导读
VICO 是一个让 actor 与 Environment-as-Rewriter（EnvRewriter）联合训练的协同演化框架，EnvRewriter 通过编辑场景图、图表表格或保护区域掩码等图像侧结构并重新渲染，生成难度与 actor 当前能力匹配的标签有效训练样本。
正文 · AI 翻译
作者：Meng Lu、Ligeng Zhu、Olivia Xiao、Yuchen Zhuang、Zihan Wang、Kuncheng Wu、Bangya Liu、Yu Wang、Charles Fleming、Wenqi Shi、Xuan Wang
摘要：带可验证奖励的强化学习（RLVR）已成为视觉语言模型（VLM）后训练的标准方案，
但它通常假设训练环境是静态的。随着 actor 能力提升，固定任务会逐渐偏离其学习前沿：许多
任务变得过于简单，另一些则始终无法解决；学习信号随之崩溃。我们认为，VLM 后训练应当让
视觉环境与 actor 共同演化，而不仅仅是演化 actor 本身。我们提出 VICO，一个协同演化框架，其中 actor
与“环境即改写器”（EnvRewriter）联合训练：EnvRewriter 编辑可验证的图像侧结构，例如
场景图、图表表格或受保护区域掩码，并重新渲染它们，以生成标签有效的训练样本，其难度
通过基于通过率的奖励与 actor 当前能力相匹配。该循环在无需任何额外人工标注的情况下，持续将任务难度与
actor 能力重新对齐。在涵盖数学推理和
视觉基础理解的九个多模态基准上，VICO-8B 在域外任务上相较其基础模型提升最高达 +5.0%，超越最强的
自演化与文本编辑协同演化基线分别 +4.3% 和 +8.4%，并在使用少 16-160 倍标注样本的情况下，与图表专用
RLVR 方法保持相当。通过从人工标注监督转向图像编辑协同演化，
VICO 为视觉推理提供了一条超越静态语料 RLVR 的可扩展路径。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.10782 [cs.CV] |
| （或本版本使用 arXiv:2610.10782v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2610.10782 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Meng Lu [查看邮箱]
[v1]
2026年10月7日星期三 18:39:32 UTC（22,719 KB）
来源：arXiv cs.AI · arxiv.org