关系监督更适合引导推理探索，而非仅作事后奖励。
资讯摘要
论文提出 PILOT 框架，将推理视为潜变量，用共享 MLLM 的两种推理模式分别实现先验与后验分布：先验仅依赖输入，后验借助训练时的关系证据引导推理探索，并通过重要性加权变分目标实现先验-后验协同演化。作者报告在 78 项任务的 MMEB-V2 上，2B 与 7B 模型总体得分分别提升 3.2 和 3.3 分，视觉文档检索提升最大。
要点速读
- PILOT 把推理建模为潜变量，先验只条件于输入，后验额外使用训练时关系证据。
- 作者提出重要性加权变分目标，并按效用与先验可达性将后验轨迹选择性迁移到先验。
- 在 MMEB-V2 的 12 个任务组上均优于主要基线，2B/7B 总体分别提升 3.2/3.3 分，视觉文档检索提升 6.1/6.4 分。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。