Sophia Sirko-Galouchenko

该工作提出 Where-OPD：在在线自蒸馏中让教师模型额外获得文本形式的空间提示（指出与问题相关的视觉元素及其坐标），学生模型只看图像和问题；训练数据由程序化生成的几何图形计数场景自动产生，无需人工标注或外部教师模型，在 Qwen3.5-4B、Qwen3.5-9B 和 Qwen3-VL-4B 上改善了计数、文档与图表理解基准，并在仅用合成场景训练的情况下把 CVBench、V*、ZoomBench、BLINK、HR-Bench、MME-RealWorld 等真实图像基准的平均分分别提高 3.23、1.07、1.29 分。

该工作提出 Where-OPD：在在线自蒸馏中让教师模型额外获得文本形式的空间提示（指出与问题相关的视觉元素及其坐标），学生模型只看图像和问题；训练数据由程序化生成的几何图形计数场景自动产生，无需人工标注或外部教师模型，在 Qwen3.5-4B、Qwen3.5-9B 和 Qwen3-VL-4B 上改善了计数、文档与图表理解基准，并在仅用合成场景训练的情况下把 CVBench、V*、ZoomBench、BLINK、HR-Bench、MME-RealWorld 等真实图像基准的平均分分别提高 3.23、1.07、1.29 分。