《Clarification as Supervision》入选 NeurIPS 2026 Oral，提出多模态协作训练新思路

论文《Clarification as Supervision》被 NeurIPS 2026 接收为 Oral，录取率约前 0.3%。它指出纯文本推理器基于 VLM 生成的 caption 回答出错时，常因 caption 缺失推理所需的关键细节，而非推理本身。方法让模型在训练中充分交互并施压减少交互，获得更密集学习信号，最终实现更高效的一次性协作。