IXThinker·2026-06-15 19:20

以視頻生成作多模態推理 範式獲頂會收錄

復旦大學團隊提出以視頻生成進行多模態推理的新範式，以視頻幀作為統一媒介，突破純文本與圖文協同推理的局限，研究已獲計算機視覺頂級會議收錄，為通用人工智能推理提供新路徑。

推理範式演進

團隊觀察到，基於文本的思維鏈推理與在推理中加入圖像輔助兩種範式，已大幅提升語言及視覺模型的推理能力，但仍存在局限：靜態圖像無法展現動態過程，文本與視覺模態的割裂亦阻礙統一理解與生成。