arXiv 新增 · VLM self-distillation / contrastive evidence · P1 · 2026-06-25

V-Zero：它和通用视觉自监督的关系在于：把 on-policy distillation 和负视觉视图 gating 结合，减少对答案标注的依赖

高相关；详见方法、贡献和实验边界。

V-Zero: Answer-Label-Free On-Policy Distillation with Contrastive Evidence Gating for Fine-Grained Visual Reasoning　arXiv 新增 · VLM self-distillation / contrastive evidence　原文链接

编号2606.25319 优先级P1 类别arXiv 新增 · VLM self-distillation / contrastive evidence 会议arXiv 新增 · VLM self-distillation / contrastive evidence 方法把 on-policy distillation 和负视觉视图 gating 结合，减少对答案标注的依赖来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：把 on-policy distillation 和负视觉视图 gating 结合，减少对答案标注的依赖。高相关；详见方法、贡献和实验边界。

**Figureure 2 · : Overview of V-Zero**Figure 2: Overview of V-Zero. The student samples sibling rollouts from the full image, while a teacher-side evidence comparison module replays them under paired positive and negative visual evidence views to produce trajectory-level contrastive evidence gates. The final distillation target remains the positive teacher view.这张图概括 V-Zero 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。

**Figureure 1 · : Differences between Supervised Fine-tuning (SFT), Reinforcement Lear**Figure 1: Differences between Supervised Fine-tuning (SFT), Reinforcement Learning (RL), and On-Policy Distillation (OPD).这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 V-Zero 的方法或实验，请结合正文精读段落一起看。

核心问题

它和通用视觉自监督的关系在于：把 on-policy distillation 和负视觉视图 gating 结合，减少对答案标注的依赖。

方法拆解

把 on-policy distillation 和负视觉视图 gating 结合，减少对答案标注的依赖

主要贡献

高相关；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。