Mila 论文提出“思考图”方法，提升多模态模型跨视角空间推理

Mila等团队提出“思考图”方法，让多模态模型在推理中生成图像，提升跨视角空间推理表现。该方法在域内及五个真实世界域外基准中优于不思考和文本 CoT 基线；VDropout 让思考图真正参与推理，panorama 的域外泛化最佳。论文获 EMNLP 2026 接收，将于 10 月 26 日以海报展示，并发布 8K 跨视角 QA 数据集和代码。