V-GIFT：自监督任务增强视觉指令微调

2026年10月16日，arXiv Computer Vision 刊出 Sophia Sirko-Galouchenko 等作者的论文预印本，提出 V-GIFT 视觉指令微调方法。据该报道，V-GIFT 将旋转预测、颜色匹配、跨视角对应等经典自监督任务改写为图像-指令-回复三元组，为多模态大语言模型（MLLM）的视觉指令微调注入必须依赖视觉证据才能完成的监督信号。论文称，该方法无需人工标注、不改架构、不加训练阶段，仅混入 3-10% 此类视觉接地指令，即可在多个模型、训练方案和基准上持续提升视觉中心评测表现。论文已被 NeurIPS 2026 接收，代码已开源。上述条件与效果均出自该论文自述，为其自身说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。