Haozhan Shen

ZoomGain 是一条数据构建流程，它比较同一区域在全图与放大视图下的描述，把只有放大后才明确的细节改写成针对整张图的问答，并用多个模型在放大视图上核验答案、剔除仅凭语言先验即可作答的题目。据此构建的 1000 题中英双语基准 ZoomGainBench 上，28 个视觉语言模型里最好的 GPT-5.6-Sol 只得 61.08；用 9K 条 ZoomGain 样本做 GRPO 强化学习后，Qwen3.5-9B 在 13 项留出基准上的平均分为 66.10，高于 Qwen3.5-397B-A17B 的 65.55。

ZoomGain 是一条数据构建流程，它比较同一区域在全图与放大视图下的描述，把只有放大后才明确的细节改写成针对整张图的问答，并用多个模型在放大视图上核验答案、剔除仅凭语言先验即可作答的题目。据此构建的 1000 题中英双语基准 ZoomGainBench 上，28 个视觉语言模型里最好的 GPT-5.6-Sol 只得 61.08；用 9K 条 ZoomGain 样本做 GRPO 强化学习后，Qwen3.5-9B 在 13 项留出基准上的平均分为 66.10，高于 Qwen3.5-397B-A17B 的 65.55。