知识卡片：MIRROR——通过多视图互学提升多模态推理

英文标题： MIRROR: Learning from the Other View for Multi-Modal Reasoning
英文关键词： MIRROR, multi-modal reasoning, vision-language models, geometry reasoning, reinforcement learning, reverse-KL
原始来源： arXiv:2607.21552v1 (https://arxiv.org/abs/2607.21552v1)

一句话结论

MIRROR 是一种基于自监督强化学习的方法，通过让视觉-语言模型在同一问题的不同模态视图（纯文本、纯图像、图文结合）之间互相学习，显著提升了模型在几何推理任务上的准确性和跨模态一致性。

事件概述或研究问题

大型语言模型（LLM）已展现出强推理能力，但视觉-语言模型（VLM）在视觉推理上仍然困难，甚至在几何问题中——同一问题可以等价地表示为纯文本、纯图形以及图文结合三种视图——模型在不同视图上的表现往往不一致：同一模型可能从文本视图正确解题，但从图形视图却失败；反之亦然。这表明不同视图暴露了互补的推理路径和失败模式，而标准的多模态后训练未能充分挖掘这一现象。

方法/产品要点

多视图数据集 ODA-Data：构建了一个高质量配对的多模态几何数据集，每个问题包含文本主导（text-dominant）、图像主导（image-dominant）以及图像+文本结合三种视图，并划分了训练和评估模态依赖推理行为的子集。
MIRROR (Modality-Informed Reciprocal Reasoning Optimization)：一种基于强化学习的自监督方法。对每个问题，MIRROR 先在所有视图上评估模型表现，选择表现最好的视图作为“教师”，然后对其他视图使用反向 KL 散度（reverse-KL objective）进行训练，使其输出向教师视图对齐。
训练过程无需额外人工标注，完全利用模型自身的多视图表现进行自我教学。

主要结果或产业意义

在几何推理基准测试上，MIRROR 相比标准强化学习方法（如 PPO/GRPO）获得了更优的准确率。
模型在不同模态视图上的行为更加一致，减少了“视图依赖”的推理失败。
该方法为提升多模态推理的鲁棒性提供了一种通用框架，不局限于几何领域（待核实是否推广到其他领域）。

为什么重要

首次系统揭示了视觉-语言模型在多视图几何推理中的模态不一致性，并量化了不同视图的互补性。
MIRROR 提供了一种无需额外标注、仅利用模型自身多视图表现即可提升推理质量的思路，与已有“多模态多环境机器教学”卡片相比，本工作聚焦于推理过程中同一问题的不同模态表示，而非环境选择或奖励学习；与“体育视频多视角推理”卡片相比，本工作侧重从静态多视图（文本/图形）而非时序视频中学习。

局限与不确定性

论文仅评估了几何推理领域，尚未验证 MIRROR 在更广泛的多模态推理任务（如常识问答、科学图表）上的有效性。
反向 KL 散度训练是否会导致教师视图选择偏差或信息丢失，需进一步分析。
ODA-Data 数据集的规模和领域覆盖范围未在摘要中详细说明，具体统计信息待核实。

可用于图书/PPT/简报的角度

多模态大模型训练的新范式：从“堆数据”转向“自教学”
同一问题不同模态表现不一致——VLM的“偏科”现象及解决方案
利用多视图互补性：反向KL蒸馏提升推理一致性

原始材料

标题：MIRROR: Learning from the Other View for Multi-Modal Reasoning
作者：Wen Ye, Yuxiao Qu, Aviral Kumar, Xuezhe Ma
发布/更新：2026-07-23
类别：cs.AI, cs.LG
摘要链接：https://arxiv.org/abs/2607.21552v1
PDF链接：https://arxiv.org/pdf/2607.21552v1