Youtu-VL-4B-Instruct 在 OmniDocBench 上的定位与用法

Youtu-VL-4B-Instruct 开源解读：用 VLUAS 让 4B 视觉感知“像模型原生能力”

一、摘要 Youtu-VL-4B-Instruct 是腾讯优图开源的紧凑型视觉语言模型（4B 参数），核心提出 VLUAS（Vision-Language Unified Autoregressive Supervision），将“视觉从输入变为可预测目标”，以统一自回归监督保留细粒度视觉信息。其目...