NeurIPS 论文：人形视觉搜索不靠长链思考，靠 360° 想象

_vztu · x · 2026-10-08

作者团队发现，多数前沿 VLM 仍难完成「转头寻找物体」这类基础主动视觉搜索任务。其被 NeurIPS 2026 接收的论文《Beyond Thinking: Imagining in 360° for Humanoid Visual Search》提出：对主动视觉搜索而言，想象比长链思考更重要。

方法核心是不依赖多轮 Chain-of-Thought，而是让模型先想象当前视野之外的语义布局，再基于这些空间先验决定下一步看向哪里。这一简单思路支撑起约 190 万条训练样本的可扩展数据引擎，在专用模型与前沿 VLM 上均显著提升主动视觉搜索表现。论文与代码已开源。