V-Zero无标签视觉推理，训练效率高

V-Zero：无标签视觉推理

它使用带对比证据门控的在策略蒸馏。

训练速度比SFT快5倍，比RL快10倍。

4B模型已在Hugging Face上。https://t.co/eqlBgFRojZ