SIMIT：VLM 答题前先自编练习题，17 项基准平均提升 7.2%

丹麦技术大学等机构提出 SIMIT，让视觉语言模型在测试时零标签自我改进：先自编问题并定下答案，再生成使该答案成立的图像，从中学习后回答原题。免训练的 SIMIT-ICL 仅靠上下文学习即在 17 项基准中 16 项提升，相对 BAGEL-7B 平均增益 +7.20%，无需标签、教师模型或外部验证器。