UniVLR: Unifying Text and Vision in Visual Latent Reasoning for Multimodal LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Houcheng, Fu, Jiajun, Fang, Junfeng, Gao, Chen, Wang, Xiang, He, Xiangnan, Li, Yong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2605.11856