ATLAS框架：用单个“功能词元”统一智能体式与潜变量式视觉推理
本文介绍了ATLAS，一个用于视觉推理的新框架，其核心是引入一个单一的“功能词元”，该词元既能充当智能体的操作单元，又能作为潜变量式的推理单元。该设计兼容标准训练方法，并通过潜在锚定的GRPO（LA-GRPO）解决强化学习中的稀疏问题，据称在基准测试中取得了优越性能。
视觉推理
First-Principle 上关于「视觉推理」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
CurveBench：评估视觉模型拓扑推理能力的基准测试
2026年5月，HuggingFace Daily Papers发布了一项关于CurveBench基准测试的论文。该基准包含756张非相交乔丹曲线图像，旨在评估模型从视觉输入中恢复平面区域包含关系树的能力。测试结果表明，即使是当前最强的模型（如Gemini 3.1 Pro）在简单任务上准确率也仅为71.1%，在困难任务上为19.1%，显示精确的拓扑感知视觉推理仍是未解决的挑战。
CLVR：通过闭环视觉推理框架解锁复杂语义的视觉生成
一篇关于CLVR框架的论文摘要，该框架旨在通过深度耦合视觉-语言规划和像素级生成，解决当前文本到图像模型在处理复杂语义时的单步局限、规划幻觉和延迟问题，并引入了步骤验证、代理强化学习和权重合并等方法。