본 논문은 산업 현장의 이상 탐지 문제를 해결하기 위해 Vision-Language Model(VLM)을 활용하는 새로운 사후 훈련 프레임워크 IAD-R1을 제안합니다. 결함 데이터 부족 문제를 해결하고자, 두 단계의 훈련 전략을 사용합니다. 첫 번째 단계인 PA-SFT(Perception Activation Supervised Fine-Tuning)는 고품질 Chain-of-Thought 데이터셋 Expert-AD를 이용하여 이상 탐지 능력을 향상시키고 추론-답변 상관관계를 확립합니다. 두 번째 단계인 SC-GRPO(Structured Control Group Relative Policy Optimization)는 보상 함수를 통해 이상 탐지 능력을 한 단계 끌어올립니다. 실험 결과, IAD-R1은 7개의 VLM에서 성능 향상을 보였으며, 특히 DAGM 데이터셋에서 기준 모델 대비 평균 정확도가 43.3% 향상되었습니다. 더 나아가, IAD-R1로 훈련된 0.5B 파라미터 모델은 GPT-4.1, Claude-Sonnet-4와 같은 상용 모델을 제로샷 설정에서 능가하는 성능을 보였습니다. 코드, 데이터셋, 모델 가중치는 공개적으로 제공됩니다.
