# LoopVL模型

作者提出 LoopVL，把循环 Transformer 扩展到视觉语言模型：语言骨干基于 HRM-Text 开源框架与数据自行预训练，采用 Module-Loop 与 Model-Loop 嵌套的 H/L 共享参数结构，默认 H2L3 配置下一次前向执行 128 次 Transformer 层调用；在相同 0.14T token 训练预算下，LoopVL 在 MMStar、RealWorldQA、ChartQA 等基准上超过同层数的 Transformer-VL 1B，并接近或超过更大的 4B 稠密基线，同时作者报告了跨模型循环的视觉注意力重分配现象，称为 Visual Aha Moment。

作者提出 LoopVL，把循环 Transformer 扩展到视觉语言模型：语言骨干基于 HRM-Text 开源框架与数据自行预训练，采用 Module-Loop 与 Model-Loop 嵌套的 H/L 共享参数结构，默认 H2L3 配置下一次前向执行 128 次 Transformer 层调用；在相同 0.14T token 训练预算下，LoopVL 在 MMStar、RealWorldQA、ChartQA 等基准上超过同层数的 Transformer-VL 1B，并接近或超过更大的 4B 稠密基线，同时作者报告了跨模型循环的视觉注意力重分配现象，称为 Visual Aha Moment。