V-Thinker: 让模型像人一样「边画边想」

北京邮电大学与微信视觉技术中心团队提出V-Thinker，一种实现“边画边思考”的多模态视觉推理框架。通过数据演化飞轮自动生成并迭代扩展训练数据，构建含40万样本的V-Interaction-400K数据集，并设计渐进式训练策略提升模型感知与交互能力。新评测基准VTBench显示，V-Thinker在三类交互任务中平均准确率提升超12%（最高达22%），在通用任务中亦提升6%。模型能自主生成辅助线等视觉操作，增强推理可解释性，且数据首月下载量超10K，展现广泛研究价值。
来源：https://mp.weixin.qq.com/s/NZ_V33Mptk4Zqu048KdDLQ