视觉脚手架机制与NMR-Bench基准提出

2026年10月20日，arXiv Computer Vision 刊出 Run Shao 等作者的研究报道，提出“视觉脚手架”机制并构建 NMR-Bench 基准，面向原生多模态推理。报道称，该机制让多模态大模型（MLLM）在任意推理步骤自主发起检索动作，由轻量检索器选取原生视觉特征，并直接并入持续演进的思维链（CoT），使原生视觉表征成为多模态推理的一等公民。目前公开信息仅涵盖机制设计与基准构建的提出，尚无后续跟进报道披露实验结果、对比数据或适用范围等细节；事件进展停留在方法发布阶段。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。