在多模态人工智能研究领域，高质量、大规模的基准数据集始终是推动技术进步的核心驱动力之一。近年来，随着视觉语言模型（Vision-Language Models, VLMs）的快速发展，研究社区对于能够全面评估模型能力的综合性数据集需求日益迫切。MMIOC-1M（Multimodal Image-Ob

引言 在现代制造业中，产品质量检测是保障生产安全、降低返工成本、维护品牌声誉的核心环节。传统的工业视觉质检系统高度依赖大量人工标注的缺陷样本，而在实际生产场景中，缺陷样本往往极为稀少、类型多变，甚至某些罕见缺陷在历史数据中从未出现过。这一现实困境催生了一个关键问题：能否构建一种无需大量标注数据、甚至