ReaLVR renforce le raisonnement visuel latent et l’appuie sur des preuves visuelles
1 sourcemis à jour il y a 6 jpertinence 2,8 sur5
L’essentiel
Sur trois familles de modèles, ReaLVR dépasse les méthodes de référence évaluées, avec une moyenne de 63,7 % sur cinq tâches pour Qwen2.5-VL-7B. Selon les auteurs, il progresse aussi jusqu’à 235 milliards de paramètres.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceXi Xiao, Tianchen Zhao, Youngeun Kim et al.huggingface.co
Rethinking Latent Visual Reasoning: Grounding Latent Reasoning in Visual Evidence (site externe)
Latent visual reasoning (LVR) enables multimodal large language models (MLLMs) to perform intermediate computation in continuous latent tokens rather than expressing every reasoning step in words.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5