arXiv 2026年10月12日人眯眼能读的字，多模态模型却说没有：训练后原图直读从26.50升到88.61多模态大模型常把藏在图像粗结构里的文字读成“图中无文字”，而人眯眼就能认出；一种只用原图推理的训练方法把这类文字的读取分数从26.50提高到88.61。多模态大模型常把藏在图像粗结构里的文字读成“图中无文字”，而人眯眼就能认出；一种只用原图推理的训练方法把这类文字的读取分数从26.50提高到88.61。Tencent (China)Beijing University of Posts and TelecommunicationsChen Peng（第一作者）#眯眼文本#Squint OPSD#SquintBench#SquintCtrl#在线策略自蒸馏