Buchumschlag

OpenThinkIMG: Learning to Think with Images via Visual Tool Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Su, Zhaochen, Li, Linjie, Song, Mingyang, Hao, Yunzhuo, Yang, Zhengyuan, Zhang, Jun, Chen, Guanjie, Gu, Jiawei, Li, Juntao, Qu, Xiaoye, Cheng, Yu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PRMBench: A Fine-grained and Challenging Benchmark for Process-Level Reward Models
von: Song, Mingyang, et al.
Veröffentlicht: (2025)

Thinking with Images for Multimodal Reasoning: Foundations, Methods, and Future Frontiers
von: Su, Zhaochen, et al.
Veröffentlicht: (2025)

ThinkMorph: Emergent Properties in Multimodal Interleaved Chain-of-Thought Reasoning
von: Gu, Jiawei, et al.
Veröffentlicht: (2025)

Can MLLMs Reason in Multimodality? EMMA: An Enhanced MultiModal ReAsoning Benchmark
von: Hao, Yunzhuo, et al.
Veröffentlicht: (2025)

ThinkRL-Edit: Thinking in Reinforcement Learning for Reasoning-Centric Image Editing
von: Li, Hengjia, et al.
Veröffentlicht: (2026)

AdaReasoner: Dynamic Tool Orchestration for Iterative Visual Reasoning
von: Song, Mingyang, et al.
Veröffentlicht: (2026)

Timo: Towards Better Temporal Reasoning for Language Models
von: Su, Zhaochen, et al.
Veröffentlicht: (2024)

XSkill: Continual Learning from Experience and Skills in Multimodal Agents
von: Jiang, Guanyu, et al.
Veröffentlicht: (2026)

Think Longer to Explore Deeper: Learn to Explore In-Context via Length-Incentivized Reinforcement Learning
von: Wang, Futing, et al.
Veröffentlicht: (2026)

FrameThinker: Learning to Think with Long Videos via Multi-Turn Frame Spotlighting
von: He, Zefeng, et al.
Veröffentlicht: (2025)

From Head to Tail: Towards Balanced Representation in Large Vision-Language Models through Adaptive Data Calibration
von: Song, Mingyang, et al.
Veröffentlicht: (2025)

Thinking With Videos: Multimodal Tool-Augmented Reinforcement Learning for Long Video Reasoning
von: Zhang, Haoji, et al.
Veröffentlicht: (2025)

VTool-R1: VLMs Learn to Think with Images via Reinforcement Learning on Multimodal Tool Use
von: Wu, Mingyuan, et al.
Veröffentlicht: (2025)

ConflictBank: A Benchmark for Evaluating the Influence of Knowledge Conflicts in LLM
von: Su, Zhaochen, et al.
Veröffentlicht: (2024)

Living in the Moment: Can Large Language Models Grasp Co-Temporal Reasoning?
von: Su, Zhaochen, et al.
Veröffentlicht: (2024)

Think or Not Think: A Study of Explicit Thinking in Rule-Based Visual Reinforcement Fine-Tuning
von: Li, Ming, et al.
Veröffentlicht: (2025)

Advancing Multimodal Reasoning: From Optimized Cold Start to Staged Reinforcement Learning
von: Chen, Shuang, et al.
Veröffentlicht: (2025)

Flash-DMD: Towards High-Fidelity Few-Step Image Generation with Efficient Distillation and Joint Reinforcement Learning
von: Chen, Guanjie, et al.
Veröffentlicht: (2025)

AdaThinkDrive: Adaptive Thinking via Reinforcement Learning for Autonomous Driving
von: Luo, Yuechen, et al.
Veröffentlicht: (2025)

Extrapolating and Decoupling Image-to-Video Generation Models: Motion Modeling is Easier Than You Think
von: Tian, Jie, et al.
Veröffentlicht: (2025)

AdapThink: Adaptive Thinking Preferences for Reasoning Language Model
von: Wan, Xu, et al.
Veröffentlicht: (2025)

MEDVISTAGYM: A Scalable Training Environment for Thinking with Medical Images via Tool-Integrated Reinforcement Learning
von: Lu, Meng, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Tool-Integrated Interleaved Thinking towards Cross-Domain Generalization
von: Chen, Zhengyu, et al.
Veröffentlicht: (2025)

DeepEyes: Incentivizing "Thinking with Images" via Reinforcement Learning
von: Zheng, Ziwei, et al.
Veröffentlicht: (2025)

SHANKS: Simultaneous Hearing and Thinking for Spoken Language Models
von: Chiang, Cheng-Han, et al.
Veröffentlicht: (2025)

Learning to Think Fast and Slow for Visual Language Models
von: Lin, Chenyu, et al.
Veröffentlicht: (2025)

Incentivizing Tool-augmented Thinking with Images for Medical Image Analysis
von: Jiang, Yankai, et al.
Veröffentlicht: (2025)

Learning to Think: Information-Theoretic Reinforcement Fine-Tuning for LLMs
von: Wang, Jingyao, et al.
Veröffentlicht: (2025)

Pest-Thinker: Learning to Think and Reason like Entomologists via Reinforcement Learning
von: Li, Xueheng, et al.
Veröffentlicht: (2026)

Think-J: Learning to Think for Generative LLM-as-a-Judge
von: Huang, Hui, et al.
Veröffentlicht: (2025)

LATTE: Learning to Think with Vision Specialists
von: Ma, Zixian, et al.
Veröffentlicht: (2024)

Visual Planning: Let's Think Only with Images
von: Xu, Yi, et al.
Veröffentlicht: (2025)

AdaptThink: Reasoning Models Can Learn When to Think
von: Zhang, Jiajie, et al.
Veröffentlicht: (2025)

Thinking with Deltas: Incentivizing Reinforcement Learning via Differential Visual Reasoning Policy
von: Gao, Shujian, et al.
Veröffentlicht: (2026)

ImageGen-CoT: Enhancing Text-to-Image In-context Learning with Chain-of-Thought Reasoning
von: Liao, Jiaqi, et al.
Veröffentlicht: (2025)

Test-Time Preference Optimization: On-the-Fly Alignment via Iterative Textual Feedback
von: Li, Yafu, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Latent-Space Thinking in LLMs
von: Özeren, Enes, et al.
Veröffentlicht: (2025)

STITCH: Simultaneous Thinking and Talking with Chunked Reasoning for Spoken Language Models
von: Chiang, Cheng-Han, et al.
Veröffentlicht: (2025)

Video-Thinker: Sparking "Thinking with Videos" via Reinforcement Learning
von: Wang, Shijian, et al.
Veröffentlicht: (2025)

Model Checking for Reinforcement Learning in Autonomous Driving: One Can Do More Than You Think!
von: Gu, Rong
Veröffentlicht: (2024)