VisualCoding：可执行视觉推理技能学习

2026年10月14日，arXiv Computer Vision 刊出 Liu Jiaqi、Jin Ruinan、Li Xiaoxiao 提出的 VisualCoding 视觉推理方法。该方法将执行引导下获取的可复用视觉程序，与在适用输入上直接采用其答案相结合，使视觉推理智能体能够复用可执行视觉程序并直接返回其有效答案。报道称，在四个模型、四个基准共 69 个任务族上，该方法平均准确率超过最强基线（Gemini-3.1-Pro）4.45 个百分点；复用冻结的 Pro 程序并配合 Flash-Lite 时提升 14.78 个百分点。来源同时注明代码已提供（Code is available at this https URL）。上述数字与结论均来自该报道，为其单方陈述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。