百度等机构开源LoopVL循环视觉语言模型

中国人民大学、百度、清华等机构的研究者提出并开源了 LoopVL，将分层循环架构用于视觉语言模型，代码与模型权重均已公开。研究团队称，该模型仅用约 1B 语言主干、0.14T 训练 token，就在 LogicVista、MMMU-Pro、MMStar 等评测上达到或超过 Qwen3.5-2B、InternVL3.5-2B 等公开 VLM；对比对象约用 36T token，训练数据量相差约 260 倍。 不过，这些结果并非在同等推理开销下取得：LoopVL 与 1B 基线同样有 32 套独立 Transformer 层，但分别执行 128 次和 32 次层调用。此外，固定 H2L3 训练权重、把推理调度改为 H3L3 和 H4L3 后，MMStar 从默认的 63.47 分别降至 58.20 和 24.00。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。