Thinking with Images for Multimodal Reasoning: Foundations, Methods, and Future Frontiers
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Su, Zhaochen, Xia, Peng, Guo, Hangyu, Liu, Zhenhua, Ma, Yan, Qu, Xiaoye, Liu, Jiaqi, Li, Yanshu, Zeng, Kaide, Yang, Zhengyuan, Li, Linjie, Cheng, Yu, Ji, Heng, He, Junxian, Fung, Yi R. |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
XSkill: Continual Learning from Experience and Skills in Multimodal Agents
par: Jiang, Guanyu, et autres
Publié: (2026)
par: Jiang, Guanyu, et autres
Publié: (2026)
OpenThinkIMG: Learning to Think with Images via Visual Tool Reinforcement Learning
par: Su, Zhaochen, et autres
Publié: (2025)
par: Su, Zhaochen, et autres
Publié: (2025)
AgentVista: Evaluating Multimodal Agents in Ultra-Challenging Realistic Visual Scenarios
par: Su, Zhaochen, et autres
Publié: (2026)
par: Su, Zhaochen, et autres
Publié: (2026)
ConflictBank: A Benchmark for Evaluating the Influence of Knowledge Conflicts in LLM
par: Su, Zhaochen, et autres
Publié: (2024)
par: Su, Zhaochen, et autres
Publié: (2024)
Timo: Towards Better Temporal Reasoning for Language Models
par: Su, Zhaochen, et autres
Publié: (2024)
par: Su, Zhaochen, et autres
Publié: (2024)
Advancing Multimodal Reasoning: From Optimized Cold Start to Staged Reinforcement Learning
par: Chen, Shuang, et autres
Publié: (2025)
par: Chen, Shuang, et autres
Publié: (2025)
Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning
par: Xia, Peng, et autres
Publié: (2025)
par: Xia, Peng, et autres
Publié: (2025)
PRMBench: A Fine-grained and Challenging Benchmark for Process-Level Reward Models
par: Song, Mingyang, et autres
Publié: (2025)
par: Song, Mingyang, et autres
Publié: (2025)
Advancing Multimodal In-Context Learning in Large Vision-Language Models with Task-aware Demonstrations
par: Li, Yanshu
Publié: (2025)
par: Li, Yanshu
Publié: (2025)
Stable-DiffCoder: Pushing the Frontier of Code Diffusion Large Language Model
par: Fan, Chenghao, et autres
Publié: (2026)
par: Fan, Chenghao, et autres
Publié: (2026)
Towards On-Policy Data Evolution for Visual-Native Multimodal Deep Search Agents
par: Huang, Shijue, et autres
Publié: (2026)
par: Huang, Shijue, et autres
Publié: (2026)
MM-THEBench: Do Reasoning MLLMs Think Reasonably?
par: Huang, Zhidian, et autres
Publié: (2026)
par: Huang, Zhidian, et autres
Publié: (2026)
Living in the Moment: Can Large Language Models Grasp Co-Temporal Reasoning?
par: Su, Zhaochen, et autres
Publié: (2024)
par: Su, Zhaochen, et autres
Publié: (2024)
ImageGen-CoT: Enhancing Text-to-Image In-context Learning with Chain-of-Thought Reasoning
par: Liao, Jiaqi, et autres
Publié: (2025)
par: Liao, Jiaqi, et autres
Publié: (2025)
Test-Time Preference Optimization: On-the-Fly Alignment via Iterative Textual Feedback
par: Li, Yafu, et autres
Publié: (2025)
par: Li, Yafu, et autres
Publié: (2025)
SURf: Teaching Large Vision-Language Models to Selectively Utilize Retrieved Information
par: Sun, Jiashuo, et autres
Publié: (2024)
par: Sun, Jiashuo, et autres
Publié: (2024)
A Survey of Efficient Reasoning for Large Reasoning Models: Language, Multimodality, and Beyond
par: Qu, Xiaoye, et autres
Publié: (2025)
par: Qu, Xiaoye, et autres
Publié: (2025)
STITCH: Simultaneous Thinking and Talking with Chunked Reasoning for Spoken Language Models
par: Chiang, Cheng-Han, et autres
Publié: (2025)
par: Chiang, Cheng-Han, et autres
Publié: (2025)
Point-RFT: Improving Multimodal Reasoning with Visually Grounded Reinforcement Finetuning
par: Ni, Minheng, et autres
Publié: (2025)
par: Ni, Minheng, et autres
Publié: (2025)
MMedAgent-RL: Optimizing Multi-Agent Collaboration for Multimodal Medical Reasoning
par: Xia, Peng, et autres
Publié: (2025)
par: Xia, Peng, et autres
Publié: (2025)
Can MLLMs Reason in Multimodality? EMMA: An Enhanced MultiModal ReAsoning Benchmark
par: Hao, Yunzhuo, et autres
Publié: (2025)
par: Hao, Yunzhuo, et autres
Publié: (2025)
DiffThinker: Towards Generative Multimodal Reasoning with Diffusion Models
par: He, Zefeng, et autres
Publié: (2025)
par: He, Zefeng, et autres
Publié: (2025)
ThinkMorph: Emergent Properties in Multimodal Interleaved Chain-of-Thought Reasoning
par: Gu, Jiawei, et autres
Publié: (2025)
par: Gu, Jiawei, et autres
Publié: (2025)
Beyond Words: Advancing Long-Text Image Generation via Multimodal Autoregressive Models
par: Wang, Alex Jinpeng, et autres
Publié: (2025)
par: Wang, Alex Jinpeng, et autres
Publié: (2025)
ReLoop: "Seeing Twice and Thinking Backwards" via Closed-loop Training to Mitigate Hallucinations in Multimodal understanding
par: Yang, Jianjiang, et autres
Publié: (2025)
par: Yang, Jianjiang, et autres
Publié: (2025)
SATORI-R1: Incentivizing Multimodal Reasoning through Explicit Visual Anchoring
par: Shen, Chuming, et autres
Publié: (2025)
par: Shen, Chuming, et autres
Publié: (2025)
FrameThinker: Learning to Think with Long Videos via Multi-Turn Frame Spotlighting
par: He, Zefeng, et autres
Publié: (2025)
par: He, Zefeng, et autres
Publié: (2025)
Diving into Self-Evolving Training for Multimodal Reasoning
par: Liu, Wei, et autres
Publié: (2024)
par: Liu, Wei, et autres
Publié: (2024)
AtomThink: Multimodal Slow Thinking with Atomic Step Reasoning
par: Xiang, Kun, et autres
Publié: (2024)
par: Xiang, Kun, et autres
Publié: (2024)
AM-Thinking-v1: Advancing the Frontier of Reasoning at 32B Scale
par: Ji, Yunjie, et autres
Publié: (2025)
par: Ji, Yunjie, et autres
Publié: (2025)
SimpleOCR: Rendering Visualized Questions to Teach MLLMs to Read
par: Peng, Yibo, et autres
Publié: (2026)
par: Peng, Yibo, et autres
Publié: (2026)
Faithful-First Reasoning, Planning, and Acting for Multimodal LLMs
par: Li, Junxian, et autres
Publié: (2025)
par: Li, Junxian, et autres
Publié: (2025)
Draw with Thought: Unleashing Multimodal Reasoning for Scientific Diagram Generation
par: Cui, Zhiqing, et autres
Publié: (2025)
par: Cui, Zhiqing, et autres
Publié: (2025)
MM-Vet: Evaluating Large Multimodal Models for Integrated Capabilities
par: Yu, Weihao, et autres
Publié: (2023)
par: Yu, Weihao, et autres
Publié: (2023)
Scaling Reasoning, Losing Control: Evaluating Instruction Following in Large Reasoning Models
par: Fu, Tingchen, et autres
Publié: (2025)
par: Fu, Tingchen, et autres
Publié: (2025)
ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents
par: Lai, Yuxiang, et autres
Publié: (2026)
par: Lai, Yuxiang, et autres
Publié: (2026)
OpenMMReasoner: Pushing the Frontiers for Multimodal Reasoning with an Open and General Recipe
par: Zhang, Kaichen, et autres
Publié: (2025)
par: Zhang, Kaichen, et autres
Publié: (2025)
EMCompress: Video-LLMs with Endomorphic Multimodal Compression
par: Fan, Zheyu, et autres
Publié: (2025)
par: Fan, Zheyu, et autres
Publié: (2025)
FaithRL: Learning to Reason Faithfully through Step-Level Faithfulness Maximization
par: Gui, Runquan, et autres
Publié: (2026)
par: Gui, Runquan, et autres
Publié: (2026)
Thinking with Visual Abstract: Enhancing Multimodal Reasoning via Visual Abstraction
par: Liu, Dairu, et autres
Publié: (2025)
par: Liu, Dairu, et autres
Publié: (2025)
Documents similaires
-
XSkill: Continual Learning from Experience and Skills in Multimodal Agents
par: Jiang, Guanyu, et autres
Publié: (2026) -
OpenThinkIMG: Learning to Think with Images via Visual Tool Reinforcement Learning
par: Su, Zhaochen, et autres
Publié: (2025) -
AgentVista: Evaluating Multimodal Agents in Ultra-Challenging Realistic Visual Scenarios
par: Su, Zhaochen, et autres
Publié: (2026) -
ConflictBank: A Benchmark for Evaluating the Influence of Knowledge Conflicts in LLM
par: Su, Zhaochen, et autres
Publié: (2024) -
Timo: Towards Better Temporal Reasoning for Language Models
par: Su, Zhaochen, et autres
Publié: (2024)