**无需缩放：EvidenceConnect 框架通过连接视觉证据实现通用多模态感知**

_Zooming without Zooming v2: From Seeing Details to Connecting Evidence for Generalizable Multimodal Perception_

> 论文提出 EvidenceConnect 框架，利用单张图像的局部放大视图生成需要比较、聚合或链式推理的视觉证据问题，以此训练基础视觉语言模型（ZwZ2）。该方法无需针对特定下游任务定制数据，即可显著提升模型在细粒度感知、空间推理及多模态长上下文理解等任务上的表现，证明了强化“连接证据”这一通用能力是提升多模态感知泛化性的关键路径。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.37037)