Code-with-Image

AI模型学会通过编写和执行Python代码进行推理

研究人员开发了一种名为代码图像（CwI）的新颖方法，使AI模型能够通过编写和执行Python代码来解决视觉任务。该方法将推理瓶颈从语言描述转移到算法实现。通过采用自演化反思循环，模型可以从自身的编程错误中学习并发展可迁移的技能。这项技术显著提高了复杂视觉推理任务的性能，GPT-5.6-luna 在 CwI-Bench 上的准确率达到 67%，远高于其无工具性能。