LoopVL：循环视觉智能

LoopVL 研究循环 Transformer 能否有效扩展至视觉语言模型，通过 Module-Loop 与 Model-Loop 计算迭代更新统一的视觉语言状态。作者从语言预训练、多模态训练到后训练完整训练了 LoopVL，在多模态理解与视觉推理基准上优于同等规模及更大的非循环模型，并观察到循环中视觉注意力显著偏移的 Visual Aha Moments 现象。