Read this paper write-up in English
Where-OPD: Spatially Guided On-Policy Self-Distillation of MLLMs with Synthetic Scenes¶
复现级别：L1 核心机制诊断。 执行带 spatial mask 的 on-policy teacher KL；未生成场景、未加载 MLLM，也不把随机 logits 当作视觉效果。
论文信息¶
| 字段 | 内容 |
|---|---|
| 论文链接 | arXiv 2610.02117 |
| 公司/机构 | Valeo.ai（按第一作者署名单位） |
| 首次公开日期 | 2026-10-01（arXiv v1） |
| 原文开源代码 | 是：https://github.com/sirkosophia/Where-OPD |
| Adapter | where-opd |
| 本地复现代码 | src/auto_research/post_training/latest_20261002.py |
原始论文总结¶
背景与主要改动¶
程序化合成场景自动给出对象身份和空间坐标；teacher 接收文本化空间特权信息，student 只看图像与问题，在自己的 on-policy token 上蒸馏 teacher。
flowchart LR
I[输入/当前状态] --> M[where-opd 核心机制]
M --> A[可审计中间量]
A --> O[输出/更新状态]原论文关键图¶
原论文关键图：展示论文核心架构、训练流程或系统协议。图片来自原论文，版权归原作者所有；点击图片可查看来源。
核心公式¶
\(L=\sum_t m_t KL(\pi_T(\cdot|x,g),\pi_S(\cdot|x))/\sum_tm_t\)。
论文离线与线上效果¶
只用合成场景后训练，在六个真实视觉 benchmark 上平均提高 3.23 点。
本地复现¶
本地对照口径：基线为机制关闭或默认状态，实验组为开启对应核心算子；相对百分比不适用。本批指标只验证不变量、梯度或状态转换，不表示论文规模效果。
- 三种子诊断：
metrics/mechanism-seeds42-44.json diagnostic_only=true，不进入正式能力排名。
复现边界¶
执行带 spatial mask 的 on-policy teacher KL；未生成场景、未加载 MLLM，也不把随机 logits 当作视觉效果。