SLVR：基于类人推理流的结构化潜在视觉推理

研究者提出结构化潜在视觉推理框架 SLVR，将多模态推理组织为规划、定位、证据选择与整合的带类型潜在阶段，并以对应信号分阶段监督，在推理时避免生成文本链式推理。基于 Qwen2.5-VL-7B 训练，SLVR 在 MMVP 上提升 +9.4、BLINK Relation 上提升 +14.2，并在 V*、MathVista、ChartQA 上均有改进。论文已被 NeurIPS 接收。