Publicado em 4 de janeiro de 2026, o resumo apresenta o framework Masters e relata ganhos de pontuação em dois VLMs, com a proposta de evitar o custo computacional de RL online.
Em 4 de janeiro de 2026, um post descreveu Masters, um framework de destilação de RL com máscaras progressivas para modelos de visão e linguagem (VLMs). Segundo o autor, a abordagem evita o custo computacional de RL online. No Qwen3-VL-8B, a pontuação relatada subiu de 75,7% para 80,4%; no InternVL3.5-8B, de 75,4% para 80,0%. O resumo não informa a tarefa nem o protocolo de avaliação.
Os resultados podem interessar a engenheiros que estudam métodos de menor custo computacional para melhorar VLMs, mas são alegações do post, não uma comparação independente descrita neste resumo. Para avaliar a evidência, consulte a publicação original e confira a tarefa, o conjunto de avaliação, as condições de comparação e os custos medidos antes de tirar conclusões.