Lai Wei

多模态感知的训练数据不再逐任务定制。空间感知与长上下文理解此前各自依赖昂贵标注，而EVIDENCECONNECT改为在同一张图里挑出3到7个相关区域，用放大视图合成需要比较、汇总或串联证据的选择题，再以RLVR训练基座模型。ZwZ2-4B在ViewSpatial-Bench上从37.43升到45.26，在MileBench上从60.08升到70.08，25项基准平均从49.41升到54.79。

多模态感知的训练数据不再逐任务定制。空间感知与长上下文理解此前各自依赖昂贵标注，而EVIDENCECONNECT改为在同一张图里挑出3到7个相关区域，用放大视图合成需要比较、汇总或串联证据的选择题，再以RLVR训练基座模型。ZwZ2-4B在ViewSpatial-Bench上从37.43升到45.26，在MileBench上从60.08升到70.08，25项基准平均从49.41升到54.79。