ハオラン・シュー氏ら、マルチモーダルLLM視覚推論の課題解決へ新手法「VisAlloc」を発表
ハオラン・シュー (Haoran Xu)氏らの研究グループは2026年11月19日(現地時間)、マルチモーダル大規模言語モデル (MLLM) の視覚推論能力を向上させる新手法「VisAlloc (ビスアロック)」を発表した。この手法は、オンポリシー・セルフディスティレーション (on-policy self-distillation、OPSD) における視覚的教師あり学習の割り当てを最適化する。サンプルレベルのフィルタリングとトークンレベルの再重み付けを組み合わせたデュアルレベルのフレームワークを採用し、既存の OPSPD 手法を上回る性能を達成した。関連論文は arXiv (アーカイヴ) にて公開された。