DRScaffold：提升轻量级视觉语言模型的密集场景推理能力

DRScaffold 是一个监督微调框架，将监督目标分解为四个因果有序阶段，以提升轻量级 VLM 在密集场景中的推理能力，且无需修改模型架构。 该框架基于新建的 DRBench 基准（包含 14,573 个问题、2,943 张图像，涵盖三个渐进推理层级的五个任务类别）。