GraphVerse

GraphVerse 的核心洞察是：真正的视觉图推理，必须让模型无法绕过图像本身。为此，论文提出了四种以图为中心的图像编辑策略。比如，把图切成碎片打乱，模型必须先在大脑里拼回原图才能推理；或者把两张图叠在一起，要求模型在视觉上分离它们再进行比较。这些操作让视觉推理从可选项变成了必选项。