**ChronoVision：通过潜状态重建实现时序推理**

_ChronoVision: Temporal Reasoning via Latent State Reconstruction_

> HuggingFace社区热门论文提出ChronoVision框架，解决多模态大模型在复杂视觉时序推理任务中的不足。该方法通过重建视觉头预测最终状态的潜表示，结合ROI注意力定位关键视觉证据，并在后训练阶段引入强化学习与隐式过程接地机制。在Vbvr-VQA数据集上达到74.8%域内和71.6%域外准确率，在IntPhys2基准上取得55.0%准确率，刷新SOTA。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-07 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.05631)