自演化训练

VisPlay：自演化视觉语言模型

VisPlay: Self-Evolving Vision-Language Models

把无标注图像变成自生成视觉问答的监督信号，用 GRPO 的多样性与难度奖励联合训练提问器和推理器，可作为 VLM 视觉推理与幻觉抑制的可复用自训练流程。