明眸善断
Visual Attention · Active Perception
目光先于结论。模型主动分配注意力,把注视落在真正承载信息的位置,而不是均匀地扫过整个视野。
让模型先决定「看哪里」,再决定「想什么」——把视觉注意力机制接入认知推理, 在多模态理解中完成逐步推理与动态决策。
将视觉注意力机制与认知推理相结合,赋予模型「思考式观察」的特质: 不再被动地读完一整幅画面,而是主动地看、边看边想。模型因此具备主动感知、推理与动态决策的能力, 能够像人一样「看哪里、想什么」地完成多模态理解与逐步推理。
目光先于结论。模型主动分配注意力,把注视落在真正承载信息的位置,而不是均匀地扫过整个视野。
注视即推理的输入。看的结果进入推理链,边看边想、边想边看,在多模态场景中逐步收敛到判断与决策。