提出ATLAS框架,通过引入兼具智能体操作与潜在视觉推理功能的离散“功能token”,解决了现有视觉推理方法计算开销大或缺乏泛化性的问题,并结合LA-GRPO算法稳定强化学习训练,在多项挑战性基准测试中实现了更优性能与可解释性。
机构:Meta
来源:arXiv 2605.15198 | AI4Papers 论文推荐平台