本文提出了VSSD模型，通过非因果状态空间对偶性(NC-SSD)解决了传统SSM在视觉任务中的两大挑战：因果性限制和2D结构破坏问题。NC-SSD突破因果性瓶颈，使每个图像块对模型的贡献与其位置无关，保留全局感受野的同时维持线性复杂度。基于NC-SSD构建的VSSD模型在ImageNet分类等任务中表现优于CNN、ViT和现有SSM模型，实现了精度与效率的双重提升。方法创新包括：1)将SSD参数A

本文提出了一种新的参数高效微调方法DoRA，通过将预训练权重分解为幅度和方向两个独立组件进行优化。DoRA利用LoRA机制专门调整方向分量，同时微调幅度分量，使学习模式更接近全量微调（FT）。实验表明，DoRA在多项任务中性能优于传统LoRA，且不增加推理延迟。该方法结合了权重分解和低秩适应的优势，通过解耦幅度和方向的调整过程，提升了模型微调的精度和稳定性。

本文提出VL-RewardBench基准测试集，用于评估视觉-语言生成式奖励模型(VL-GenRMs)的性能。该基准包含1250个高质量测试样本，覆盖通用多模态指令、视觉幻觉检测和多模态推理三类任务，通过AI辅助标注和人工验证确保数据质量。实验评估16个主流模型发现，商用模型表现中等(GPT-4o准确率65.4%)，开源模型难以超越随机水平。关键发现包括：模型失效主要源于视觉感知而非推理能力；测试