ReGround：通过自诊断与视觉复查恢复多步推理中的视觉锚定

英文标题：ReGround: Restoring Visual Grounding in Multi-Step Reasoning through Self-Diagnosis and Visual Re-Examination

该论文提出 ReGround，旨在解决视觉语言模型（VLM）在多步推理过程中逐渐丢失视觉锚定的问题。作者指出，随着推理链变长，后续推理步骤会愈发依赖语言先验，而非图像证据。该研究关注通过自诊断和视觉复查来恢复模型对视觉证据的依赖，对需要可靠视觉推理的 Agent 与多模态应用具有参考意义。原始摘要在提供内容处被截断，未包含完整实验数据与结论。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB