RSI跨能力递归自提升

统一多模态模型（UMM）同时理解与生成文本和图像，这使模型能生产自己的训练数据。现有UMM自提升把监督留在视觉侧，由图像理解评判图像生成。我们提出递归跨能力自提升（RSI），一个UMM的文本与视觉能力互供训练数据的训练循环。每轮中，模型生成图像并读图找出不足，然后编写针对这些不足的程序，由执行对照规格验证每个结果。已验证的渲染用于训练图像生成，带标注的渲染与模型自己的正确程序用于训练视觉理解与程序编写。程序执行因此充当模型之外的真相来源，使误差不在轮间累积。我们在图表上研究RSI并构建BasicChartBench评估早期训练的开放模型。在与训练措辞不同的请求上，四轮RSI把分数从45.7%提升到60.2%，而继续训练停在46.3%。已验证构建承载大部分增益，针对模型失败的定向再加3.5%。期间已验证程序占比从48.9%升至95.2%，读图器在编辑渲染上的准确率从55.6%升至87.4%。