通用视觉自监督研究报
A Daily Digest of Visual Self-Supervised Learning
2026-06-10 图像表征 · VFM · JEPA · 视频预训练
ICML 2026 + arXiv · 扫读 · 2026-06-10

Mitigating Manifold Departure：它和通用视觉自监督的关系在于：ICML regular；从 hidden-state 子空间角度减少 VLM 语言先验幻觉，适合作为视觉证据读出诊断扫读

中相关；详见方法、贡献和实验边界。

Mitigating Manifold Departure: Uncertainty-Aware Subspace Rectification for Trustworthy MLLM Decoding　ICML 2026 + arXiv　原文链接

编号2606.09859 优先级扫读 类别ICML 2026 + arXiv 会议ICML 2026 + arXiv 方法ICML regular；从 hidden-state 子空间角度减少 VLM 语言先验幻觉，适合作为视觉证据读出诊断扫读 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：ICML regular；从 hidden-state 子空间角度减少 VLM 语言先验幻觉，适合作为视觉证据读出诊断扫读。 中相关；详见方法、贡献和实验边界。

Figureure 2 · Uniform linear prior suppression can hurt
Figureure 2 · Uniform linear prior suppression can hurtFigure 2. Uniform linear prior suppression can hurt. VCD (vs. vanilla) shows consistent performance drops on POPE across splits, including standard cases where priors align with visual evidence.这张图/表用于判断 Mitigating Manifold Departure 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。
Figureure 4 · Overview of the proposed Manifold-Guided Adaptive Projection (MGAP)
Figureure 4 · Overview of the proposed Manifold-Guided Adaptive Projection (MGAP)Figure 4. Overview of the proposed Manifold-Guided Adaptive Projection (MGAP). The language-prior subspace is constructed offline using unlabeled blind inputs, while decoding-time intervention is performed online via geometry-aware adaptive projection.这张图概括 Mitigating Manifold Departure 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

核心问题

它和通用视觉自监督的关系在于：ICML regular；从 hidden-state 子空间角度减少 VLM 语言先验幻觉，适合作为视觉证据读出诊断扫读。

方法拆解

ICML regular；从 hidden-state 子空间角度减少 VLM 语言先验幻觉，适合作为视觉证据读出诊断扫读

主要贡献

中相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。