百度联合清华、人大高瓴开源 LoopVL：把 Loop Transformer 扩展到视觉语言模型

中国人民大学、百度、清华等机构的研究者提出 LoopVL，将分层循环架构用于视觉语言模型，并开源代码与模型权重。模型仅用约 1B 语言主干、0.14T 训练 token，在 LogicVista、MMMU-Pro、MMStar 等多项评测上达到或超过 Qwen3.5-2B、InternVL3.5-2B 等公开 VLM。