Thinking-Once无需训练,用中间层证据路由提升高分辨率VQA。
推荐理由:它指出失败不总是因为没看清,而是细粒度证据在中间层存在、到生成端被稀释;单次视觉编码加路由,比反复裁剪重看更省推理成本。
阅读原文