**ReImaGin：利用图像生成模型增强多模态LLM的视觉推理能力**

_Reasoning with Image Generation_

> 该论文提出ReImaGin框架，将图像生成模型作为多模态大语言模型的灵活视觉推理机制，替代传统的刚性视觉工具。通过接受自然语言指令执行开放式视觉操作（如去除遮挡、生成平面图），ReImaGin在六个视觉推理任务中表现优于纯文本推理及专用视觉工具基线，性能提升最高达25%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.16409)