VisPlay：出题-解题自我博弈的 VLM

本页是 VLM 自我改进 演化轴第④阶段的一篇： VisPlay（Self-Evolving Vision-Language Models）^[1]（CVPR 2026）—— 不需要任何人工 QA：只有大量无标注图像， VLM 自己给自己造课程。

1. 方法

同一个 VLM 分成两个 role 自我博弈：

$\text{Questioner} \;\leftrightarrow\; \text{Reasoner}$

• Questioner：针对图像生成"越来越难、但可回答"的问题；
• Reasoner：解决这些问题；
• 双方通过 GRPO 联合训练：

$(M^Q_t, M^R_t) \rightarrow (M^Q_{t+1}, M^R_{t+1})$

2. 结果

在视觉 reasoning、组合泛化、hallucination 减少上均有提升—— 典型的 VLM creates its own learning curriculum。

3. 对本方向的定位

它自造的是人工训练环境（问题-答案课程）， 不是"失败执行 experience"。但它的启示在于： 课程不必人工设计——对端侧 agent 而言， 用户每天使用设备产生的任务流本身就是现成的 curriculum （对照 RSI 数据集版图 的 personal 线）， 连"发明游戏"这一步都可以省掉。

参考文献

[1] HE Y C, HUANG C S, LI Z X, et al. VisPlay: self-evolving vision-language models[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2026. https://openaccess.thecvf.com/content/CVPR2026/html/He_VisPlay_Self-Evolving_Vision-Language_Models_CVPR_2026_paper.html

© 2026 Yang Huan · yanghuan9812@qq.com