已收录文章摘要，完整内容可前往原文阅读。
新智元报道 大模型的推理能力越来越强，但到了真正需要「看图推理」的任务上，一个核心问题依然没有被彻底解决：模型究竟是在「看着图推理」，还是把图看了一遍之后，主要靠文本链条继续猜？针对这一问题，来