概念VCoT / 视觉链式思考
Visual Chain-of-Thought
文本链式思考在视觉模态上的延伸方法，模型在给出最终答案前生成一系列中间视觉产物（局部标注、裁剪、草图等）作为思维草稿，辅助空间与物理推理
时间轴 (近 90 天)
9月5日
视觉思维链（Visual CoT）让模型在生成文本中间步骤的同时生成中间推理图像，例如标注关键区域、预测未来帧或绘制空间关系示意图
待验证50%
9月5日
视觉CoT在一次推理中若需生成3-5张中间图像，累计延迟可达10-40秒
待验证50%
8月28日
视觉推理链（Visual Chain-of-Thought）借鉴语言模型的思维链提示技术，将复杂视觉问题分解为多个步骤逐步求解
待验证50%