TiCO：无需坐标的“用图像思考”视觉推理方法

针对多模态大模型“用图像思考”依赖显式坐标定位的两大缺陷——稀疏回归遗漏高维隐结构的语义鸿沟、patch 级 token 与像素级坐标粒度不匹配的分辨率鸿沟，研究者提出 TiCO。