arXiv Computer Vision· Kesen Zhao, Beier Zhu, Junbao Zhou, Xingyu Zhu, Zhongqi Yue, Hanwang Zhang·· 2 小时前AI 评分33
NV-CoT：让 MLLM 以连续数值坐标进行视觉链式推理
Thinking with Images as Continuous Actions: Numerical Visual Chain-of-Thought
AI 导读
研究者提出 Numerical Visual Chain-of-Thought（NV-CoT），让 MLLM 将边界框坐标作为连续动作直接生成，仅需极小架构改动即可把动作空间从离散词表扩展到连续欧氏空间。
来源：arXiv Computer Vision · arxiv.org