只用图像也能思考，强化学习造就推理模型新范式！复杂场景规划能力Max

剑桥等机构提出全新“视觉规划”范式，该方法完全基于视觉表示进行推理与规划，避免了传统多模态模型因文本化导致的视觉信息损失。研究团队设计了基于强化学习的视觉规划框架（VPRL），在多个视觉导航任务中超越文本推理模型，特别是在复杂任务中表现更稳健。实验表明，视觉规划范式在精确匹配和进度率指标上显著优于语言驱动方法，展示了其在直观图像推理任务中的巨大潜力。
来源：https://mp.weixin.qq.com/s/KXx1t3jIlhLWu0rlVoQWNA