东北大学联合阿里巴巴提出 SCOPED：技能解耦蒸馏统一 VLM，跨能力干扰更低

东北大学与阿里巴巴团队提出 SCOPED，用技能解耦蒸馏缓解 VLM 在强化学习联合优化异构视觉目标时的跨能力梯度冲突。该方法为不同能力分别训练专家，用奖励引导的反思提取显式技能，再以 on-policy 蒸馏让统一学生模型内化这些程序性知识、推理时不暴露技能。在 8 个多模态基准上一致超过骨干模型与混合能力 RL。