视觉思维

视觉思维与VDrop训练：统一多模态模型如何提升跨视角空间推理

2026年5月28日，HuggingFace Daily Papers社区热门论文探讨了统一多模态模型中用于跨视角空间推理的视觉思维策略。研究指出当前模型常依赖语言推理而丢失几何细节，提出通过生成中间思考图像来辅助推理，并引入View Dropout（VDrop）训练干预。论文比较了三种视觉思维变体，发现全景视觉思维结合VD在合成场景训练和真实世界基准测试中实现了最佳的域外泛化能力。