在多模态大语言模型（MLLM）中，上下文学习（ICL）已成为提升各类任务性能的关键手段。但现有方法多依赖对示例的表层模仿，模型难以将输出对齐到输入所需的推理路径，尤其在复杂任务上表现受限。为此我们提出一种结合对比示例建模与模型自我精炼的 ICL 框架。框架核心是将每条示例重新表述为：在相同输入下，对比一个次优答案与一个更优答案，并给出一条推理路径，说明如何将次优答案改进为更优答案。该对比形式使得期望的推理过程更加显式，促使模型超越表层模仿。由于精炼过程依赖当前答案，我们设计了响应条件检索机制，依据当前答案挑选推理路径更相关的示例。另引入轻量对齐控制器，预测答案质量并决定是否继续精炼。实验在视觉问答等三类多模态任务上验证了该框架的普适提升，尤其在 VQA 上取得显著增益。
点评