**PixelEyes：解耦感知与推理以实现精准视觉证据搜索**

_PixelEyes: Decoupling Perception and Reasoning for Pinpoint Visual Evidence Seeking_

> 针对多模态大语言模型在视觉定位中因感知与推理纠缠导致的冗余轨迹问题，PixelEyes提出将两者解耦。该代理通过掩码引导的视觉搜索和语义区域广度优先搜索，结合新构建的Pinpoint-Bench基准测试，显著提升了视觉证据搜索的准确性与效率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.00115)