FTibSuite：藏语视觉语言建模综合资源套件

视觉语言模型进展迅速，但由于缺乏可重复的训练和评估基础设施，藏语仍然是一种资源严重不足的语言。为了填补这一空白，我们引入了 FTibSuite，这是一个用于藏语视觉语言研究的综合资源套件，由 FTibData（经过人类验证的多模态训练语料库，涵盖持续预训练、图像文本对齐和指令调整数据）、FTibBench（五个主流多模态基准的藏语改编，具有分层质量控制工作流程以减少翻译噪声）和 FTibVLM（一个基于Qwen3-VL-8B-通过三级适应管道进行指令。 FTibBench 上的实验表明，FTibVLM 在所有任务中都能提供一致的性能提升，例如将 MMBench 精度从 42.97 提高到 67.78，将 POPE 随机精度从 47.53 提高到 80.56，同时保留骨干网的原始中文能力，且降级最小，为西藏多模态研究提供了第一个标准化基础。