最小编辑蒸馏：不靠推理时图描述提升视觉数学推理
视觉数学推理常因模型误读图形而从错误前提出发。一篇新论文提出最小编辑式在线策略蒸馏：训练时用参考图描述和已验证解答，仅对教师不认可的词元施加纠正损失，正确轨迹则用任务奖励强化学习。推理阶段无需额外图描述，效果可达到或超过推理时提供参考描述的基座模型。
要点
- 误读图形是视觉数学推理开始前的瓶颈，小模型尤为明显，准确文字描述能缩小与大模型的差距。
- 教师按最小编辑目标评分错误轨迹，只让不被认可的词元进入纠正损失，正确轨迹则接受任务奖励强化学习。
- 测试无需图描述，低层几何感知及外部数学、感知基准有提升；同规模冻结教师有效，但多数指标增益小于更大教师。
为什么值得看
小模型做视觉数学题时，常因看错图形而从错误前提推理；推理阶段补充准确图描述虽能缩小与大模型差距，但需要额外标注或模型调用。该方法把参考描述仅用于训练纠错，测试时不再依赖它。
谁会受影响
面向训练视觉语言模型、研究多模态数学推理与几何感知的研究者。资料未给出具体作者、机构及可复现实验细节。
今天就能怎么试
目前仅有论文方法描述，未见可直接调用的产品或开源实现确认，模型参数、国内可用性与价格均未知，因此无法按公开步骤试用。
原始来源
1Edit, Don't Imitate: Minimal-Edit On-Policy Distillation for Multimodal Reasoning · arXiv cs.AI · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。