Metis-SPECS: Decoupling Multimodal Learning via Self-distilled Preference-based Cold Start（在新窗口打开）
SPECS 用自蒸馏偏好对做冷启动，再接入可验证奖励 RL，解耦表面形式与深度推理，提升多模态 benchmark。
- 自蒸馏生成 introspective 偏好对，无需大教师或人工标注
- 偏好训练侧重格式/结构等可迁移浅层准则，再 hand off 给 RL
- 引入 Generalization Factor 量化冷启动泛化，多 benchmark 一致增益