前几天DeepSeek 多模态研究员陈小康在 X 上发了一条推，并公布了DeepSeek 关于[多模态技术]的新论文《Thinking with Visual Primitives》，表示「Excited to release」。DeepSeek# 次日一早，推文删了，GitHub 上的论文也撤了。
陈小康在那条推文里写道：
「Traditional CoT stays in the linguistic space, but visual reasoning needs more. By using points and boxes as cognitive anchors, our model bridges the Reference Gap—mimicking the “point-to-reason” synergy humans use.」
「传统的思维链停留在语言空间里，但视觉推理需要更多。通过使用点和框作为认知锚点，我们的模型弥合了「引用鸿沟」，模拟了人类「边指边想」的协同机制。」
6 个帖子 - 6 位参与者
来源: LinuxDo 最新话题查看原文