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

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Jiang, Houcheng, Fu, Jiajun, Fang, Junfeng, Gao, Chen, Wang, Xiang, He, Xiangnan, Li, Yong
Formato:	Preprint
Publicado:	2026
Materias:	Computer Vision and Pattern Recognition Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2605.11856