ICML 2026｜首个视觉语言模型并行思考框架，一文解析内在机制
中文摘要
首个视觉语言并行思考框架，解决长序列推理中的注意力漂移和视觉幻觉问题。
English Summary
First parallel thinking framework for vision-language models addresses attention drift and visual hallucination in long sequence reasoning.
原文节选
📌 一句话摘要 本文介绍了首个面向视觉语言模型的并行思考框架 Visual Para-Thinker，通过以视觉为中心的路径划分和创新的注意力与位置编码机制，有效缓解了长序列推理中的注意力漂移和视觉幻觉问题。 📝 详细摘要 本文详细介绍了 Visual Para-Thinker，这是首个针对大规模视觉语言模型的并行思考框架。文章首先指出当前测试时扩展范式普遍增加推理长度，但易导致探索僵化和视觉任务中的注意力漂移与幻觉。...