RESEARCHarXiv CS.CL·20d atrás
Decompose, Look, and Reason: Reinforced Latent Reasoning for VLMs
Este artigo propõe o DLR, um framework de raciocínio latente reforçado para Vision-Language Models (VLMs) que melhora o raciocínio visual complexo, superando a perda de informação em CoT textual. Ele decompõe dinamicamente consultas, extrai latentes visuais e deduz respostas, oferecendo maior interpretabilidade e superando baselines em benchmarks vision-centric.
Vision-Language ModelsVisual ReasoningReinforced Latent Reasoningchain-of-thought