IXThinker·2026-09-27 23:40

先分解再推理 新方法解耦視覺感知與邏輯推演

大模型推理能力日強，但看圖推理仍有一個核心疑問未解：模型究竟在看著圖推理，還是掃過圖後主要靠文本鏈繼續猜？有團隊提出分解、觀看再推理的新方法，把視覺感知與邏輯推演解耦，確保結論基於圖像而非文本線索。

核心問題

多模態思維鏈存在一個漸弱現象：文本推理愈拉愈長，視覺證據卻逐步淡出，模型看似在推理，實則依賴文本線索自圓其說。如何驗證推理真的立足於圖像，是關鍵難題。