VAD：在多模态在线策略蒸馏中归因视觉证据并重构目标

论文提出视觉归因蒸馏（VAD），通过固定教师模型在保留或移除视觉证据时的反事实输出差异，估计教师修正中真正由视觉信息支持的部分，再重构以学生为锚点的训练目标。在4B和9B规模、六个细粒度视觉基准上，VAD优于直接特权视图蒸馏与视觉优势加权。