跳到正文
arXiv · 机器人与计算机视觉· Mariia Baidachna, Nicolas Pugeault·· 2026-10-08精选AI 评分82

Flow-of-Thought:一种基于视觉草图生成的空间推理框架

Flow-of-Thought: A Framework for Visual Reasoning

AI 导读

针对大型语言模型和视觉 Transformer 在需要空间理解的任務中表现不佳的问题,该研究提出 Flow-of-Thought(FoT)框架,通过生成视觉草图作为中间推理步骤来模拟人类的心智意象。

推荐理由

该工作提出通过生成视觉草图作为中间推理步骤来弥补大模型在空间理解上的不足,并在 Tetris 等任务上达到极高准确率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org