全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

反思锚点:长链多模态推理中传播感知的视觉保持

Long chain-of-thought (CoT) reasoning improves large vision--language models, but visual information often fades during generation, limiting long-horizon multimodal reasoning. Existing methods either re-inject vision at inference or train policies for stronger grounding, but where to intervene relies on perception heur

阅读原文 · Xuan Gong, Hanbo Huang, Hao Zheng, Yiran Zhang, Wenbin Dai, Weishu Zhao, Shiyu Liang

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

长链多模态推理里有个容易被忽略的问题: 视觉信息会随着生成过程一点点“褪色” 。模型开头还盯着图看,推理到后面基本靠语言先验在跑,图已经名存实亡。 这篇论文想解决的就是这个。它没有停在“视觉信息会衰减”这个观察上,而是往下追了一步:如果要在推理链里干预,插在哪里最划算?局部插一下视觉,影响又能传多远?论文从信息论角度给出了一个下界分析,再据此设计了训练方法...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。