UniVR：纯视觉推理新方法
ByteDance · hf · 2026-07-17
字节跳动提出 **UniVR**，探索如何只靠纯视觉演示学习更广泛的世界知识，并同时覆盖三类能力： - 复杂推理 - 细粒度物理动态建模 - 长期规划 核心方法是 **VR-GRPO**：一种强化学习范式，结合全局奖励与步级奖励，用来约束推理过程中的逻辑一致性和物理一致性，而不依赖任务特定启发式或图文配对数据。 他们还构建了 **VR-X** 基准，汇集 16 个来源，覆盖长程操作、空间谜题和物理推理，是一个纯视觉协议下的综合评测套件。实验显示，UniVR 在 VR-X 上最高提升 **25%**，并且其更强的视觉推理能力也能反哺多个多模态理解基准。代码、数据和模型都已开源。