自我进化的图像代码推理

英文标题：Self-Evolving Code-with-Image Reasoning

该论文关注多模态模型在视觉任务中调用裁剪、缩放、旋转和增亮等工具的能力，这一范式被称为“借助图像思考”（thinking-with-images）。摘要指出，其核心挑战在于感知：这些工具主要用于暴露原本难以直接识别的视觉证据。论文主题表明，代码与图像结合的推理机制有望提升模型处理复杂视觉信息时的自主迭代与工具使用能力。对开发者而言，这类研究可能为视觉 Agent 的工具编排、图像预处理和多步推理设计提供参考。

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