三花快讯 · 2025, 5月26日
Visual Planning：突破文本依赖的纯视觉推理模型
完全绕过文本中间层的端到端视觉推理
传统多模态大模型本质是视觉输入然后使用文本推理，而 Visual Planning 直接通过图像序列进行推理，不依赖于文本。
该方法实现了真正的纯视觉推理范式，目前相关论文已正式发布（但代码尚未开源）。
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。