蚂蚁系 inclusionAI 开源 ZwZ2:免缩放视觉推理,25 项基准全胜基座
jacek2023 · reddit · 2026-10-30
inclusionAI 发布 ZwZ2 系列(27B/9B/4B,基于 Qwen 微调),提出 Zooming-without-Zooming-v2 方法:让模型学会通过对比、聚合、匹配和多步推理跨区域连接视觉证据,推理时无需缩放工具。
方法要点
- EvidenceConnect 数据构建:从 SA-1B 图像中挑选 3–7 个相关区域,利用特权缩放视图生成验证过的多区域问题,再经跨模型一致性核对与去一区域测试过滤
- 直接用 GRPO 强化学习训练,无额外 SFT 阶段;三种尺寸仅用约 2 万条训练样本
- 训练时策略模型看全图+彩色区域框,特权裁剪布局只用于造数据
效果:在六个领域 25 项基准上全部超越基座,总体准确率从 55.52 提升至 60.51(+4.99 分),增益覆盖细粒度感知、空间推理、长上下文、多模态智能体等。三个尺寸均提供 GGUF 权重及 RL-VQA 数据集。
「多模态」频道最新
- 脑细胞训练四年结出成果：mischief 1 成最便宜图生视频模型 — _akhaliq · 2026-10-30
- FlexUMM 论文:统一多模态模型的嵌入空间其实并不统一 — jindong_wang92 · 2026-10-30
- AI 视频「Mizuki」：从天台一跃冲向太空边缘 — EitherCartographer63 · 2026-10-30
- AI 视频里 Ghost icon 转行当了说唱歌手，质感以假乱真 — Easy_Message1869 · 2026-10-30
- 资深游戏开发者用 AI 在 UE5 做出蠕虫群怪物，回击「AI 只会产垃圾」论 — ID_R_McGregor · 2026-10-30
- 红黑影调致敬黑色电影：AI 生成复古惊悚风格插画组图 — LudovicCreator · 2026-10-30