超越 Visual CoT：面向主动视频推理的内部化视觉思考
Beyond Visual CoT: Internalized Visual Thinking for Proactive Video Reasoning
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究提出 Internalized Visual Thinking（IVT）后训练框架，通过联合优化文本预测与视觉思考，让多模态大模型在训练阶段学会视觉推理、推理时直接输出结果，从而规避 Visual CoT 生成中间推理图像带来的推理开销，尤其针对主动视频推理场景。
来源：Apple Machine Learning Research · machinelearning.apple.com