#RefCOCO

做视觉推理或分割模型 RL 训练的可以看看这篇：HISD 用 EMA 教师在 token 级分配证据，比 DPAD 在 ReasonSeg 上 gIoU 高 3 个点，推理 token 还砍掉八成以上，而且部署时不带教师，成本不涨。