DeepSeek多模态大动作：论文揭秘“视觉思维链”后火速撤回，模拟人类“边指边想”

DeepSeek多模态领域再有新突破。近日，DeepSeek研究员陈小康意外泄露了一篇名为《Thinking with Visual Primitives》的新论文，随后火速删除推文及GitHub代码库。该论文探讨了超越传统语言思维链的视觉推理能力，提出利用“点”和“框”作为认知锚点，模拟人类“边指边想”的协同机制，从而有效弥合视觉与语言之间的“引用鸿沟”。尽管该研究已暂时隐身，但这表明DeepSeek正全力冲刺多模态赛道，试图让大模型具备更精准的视觉定位与逻辑推理能力。