Visual Chain-of-Thought（视觉思维链）

传统多模态模型通常直接输出答案，缺乏中间推理过程，导致在复杂任务上表现不佳且难以解释。Visual Chain-of-Thought 受文本链式思考启发，要求模型在生成最终答案前，先输出一系列推理步骤，这些步骤可以包含文本描述、视觉注意力区域或两者结合。例如，在回答“图中的人为什么笑？”时，模型可能先定位人物面部，再分析表情，最后结合场景给出答案。该技术通过监督微调或提示工程实现，显著提升了视觉推理任务的性能，并增强了模型决策的透明度。