MentalThink

新的“MentalThink”范式使用SVG进行LLM视觉推理

研究人员推出了一种新范式MentalThink，通过生成和解释可缩放矢量图形（SVG）代码，增强了多模态大型语言模型（MLLMs）的视觉符号推理能力。这种“用SVG思考”的流程允许模型创建、渲染和分析结构化矢量草图，作为多轮推理的中间视觉表示。该方法在空间理解和推理基准测试中表现出色，表明可执行矢量图形可以为复杂的认知任务提供可验证的视觉工作空间。