掩码视图对比

看得更少，看得更准：面向多模态推理的双向感知塑形

See Less, See Right: Bi-directional Perceptual Shaping For Multimodal Reasoning

BiPS 用「保留问题相关区域」与「抹除关键像素」两种掩码视图构造双向 KL 约束，可直接作为 VLM 微调时的训练正则项，迫使模型依赖细粒度视觉证据而非文本捷径，且不增加推理开销。