从大型语言模型中蒸馏答案集编程理论

论文研究在求解器闭环的固定代理框架中，模型能否从空文件和单次提示出发，在1小时内蒸馏出完整且正确的答案集编程理论。基于CLEVR、GQA和CLEVRER三个视觉问答基准，作者测试了9个模型；三款前沿模型在CLEVR达到100%，但GPT-5在GQA降至41.8%。