[2609.38721] UniEvo-VL: An On-policy Self-Distillation Training Recipe for Multimodal Model Self-improvement 未分類 X Facebook はてブ LINE Pinterest コピー 2026.10.07 オンポリシーの自己蒸留で自己改善を狙う方法を提案。テスト時の…このサイトの記事を見る