IXThinker·2025-11-29 13:40

只用難樣本免SFT多模態後訓練新範式

多模態大模型後訓練迎來新發現：只用中等與困難樣本、完全不做SFT的GRPO-only範式，反而在視覺推理與感知基準上拿下幾乎所有最優成績。這項獲AAAI 2026接收的研究，挑戰了「先SFT後RL」的慣例。

挑戰雙階段慣例

傳統多模態後訓練普遍遵循「SFT+RL」雙階段路線。由中南大學與中興通訊AIM團隊完成的新研究直接啃硬骨頭：完全跳過SFT，僅以GRPO在中等與困難樣本上訓練，成績反而全面領先。