UniEvo-VL 让多模态模型用自己的批评做老师，GenEval 从 0.747 升到 0.808
UniEvo-VL 提出一种在线策略自蒸馏（OPSD）训练配方：让同一个多模态模型分别扮演只看原始提示的学生和额外看到批评改写提示的老师，在学生的去噪轨迹上最小化两者逐状态分布差异，在 Qwen-Image-2512 上把 GenEval 从 0.747 提升到 0.808、GenEval2 Soft-TIFA 从 32.97 提升到 35.53，并显示更强外部批评者（GPT5.6-Luna）可带来更高上限，而文本渲染等任务的收益并不一致。