Vis2State

Vis2State框架将视觉谜题抽象为可修改的状态，以实现高级推理

研究人员推出Vis2State，一个旨在解决视觉推理谜题的新颖框架。该无需训练的系统将视觉谜题抽象为显式的、可修改的问题状态，将视觉解释与执行联系起来。Vis2State在不依赖预定义谜题模式或程序的情况下构建问题状态和求解程序，允许通过反馈独立修改表示和求解方法。该框架在四个基准测试中取得了最先进的性能，并在跨模型评估中展示了持续的收益。