【新智元导读】GRIT能让多模态大语言模型（MLLM）通过生成自然语言和图像框坐标结合的推理链进行「图像思维」，仅需20个训练样本即可实现优越性能！
让模型在「想」（生成推理链）的同时「指」（输出精准框坐标），从而让「慢思考」不再停留在纯自然语言，而是真正做到「所见即所想，所想即所指」。
推理链c—以开头，模型边写自然语言，边在需要时插入[x1,y1,x2,y2]形式的框坐标，之后 引导的重思考将进一步整合框坐标对应的图像信息；
输出框坐标后，模型不会再回读对应像素，而是继续token输出，要求模型理解并利用框坐标信息，融入后续推理，就像模型给自己出了一道Referring Expression Generation（REC）任务一样。
在此范式之下模型的输出里的框坐标可以直接画出，成为其推理的「看图」依据，读者既能读到它的思考，也能顺着坐标直接验证图中证据。
插入的边界框[x1,y1,x2,y2]语法是否有效、坐标是否在合法区间内。 通过惩罚任何格式错误，模型很快学会在文字与坐标之间灵活、规范地切换。
计数奖励 (r_count)：对于要求回答某物体数量的问题，计数奖励的信号鼓励模型的输出要数量上符合答案，最好一个框对应一个相关物体。
r_count对比推理链里框的个数与真实答案中的数量：二者一致即得分，否则扣分；可以让模型在标记目标时兼顾完整性，避免多框、漏框或随意画框。
答案正确性奖励 (r_ans)：最终答案是否答对，由GPT-4o进行语义评估并结合BLEU相似度给分。 这样的「老师」对自然语言表述具有强鲁棒性，避免模型钻格式空子，也进一步降低了人工评判成本。
在6个测试集中，用GRIT方法，模型推理结果的准确性（ACC）相对于没有经过训练的基线明显提高。而基线模型表现出割裂的定位与推理能力，他们无法兼顾在定位目标物体来画框上比较准确的同时在回答问题上更加正确。
结果表明，随着数据规模的增加，模型准确率虽可以进一步提高，但跨领域泛化依旧是难点。即使同类训练数据增加，在与训练域差异较大的测试集上模型提升依然有限，提示未来需要更丰富、更异质的训练数据，而不只是「更多同类题」。
即便是极小样本设置，GRIT也能让开源MLLM同时获得「画得准、讲得清」的能力，并且画框和推理在模型输出中相辅相成；进一步放大数据规模，则带来渐进式收益，并揭示了跨域推理的新挑战。
6996电视影片免费人数与人口当被问及他是否对这笔交易的金额感到惊讶，或者正如爆料接着Pablo Torre所报道的那样，伦纳德实际上没有为公司提供任何服务时，鲍尔默回答道：“我不知道他们为什么这么做，也不知道这与其他代言交易有何不同。”两大新品，夯实了李斌和蔚来汽车的信心，还可能对造车新势力的座次形成搅扰。从众车企刚刚披露的8月销量和交付量来看，比亚迪、吉利、上汽“三强”格局稳定，但新势力排位开始出现变化。其中，蔚来汽车8月销量超过3.1万辆，和小鹏汽车一起反超理想汽车。6996电视影片免费人数与人口东北农村搞破鞋视频大全在周四比利时6-0大胜列支敦士登的比赛中，德布劳内依旧表现出色，并攻入一球，用实际表现证明自己仍是球队不可或缺的核心。不过，岳各庄村地块北侧为京广铁路车辆段，南侧有靛厂绣园塔楼遮挡，周边老旧小区较多，加之丰台楼市内卷严重，项目打造上也有不少困难。克而瑞北京区域人士对界面新闻指出。
20251020 ? 6996电视影片免费人数与人口因此U22国足前2轮比赛争取多刷净胜球的同时，争取在末轮与澳大利亚的比赛中保持不败，拿到至少7分以及足够的净胜球，这样一来U22国足即便无缘小组头名，也大概率能获得4个成绩最好的小组第2，跻身明年的U23亚洲杯。《夫妻快乐宝典》完整版刘诗诗以一头跃动的赤发进入视线——太亮眼了，以至于，原本那些关于她的气质性的形容词出现了松动，夹杂了扑面而来的生命力。随着时间沉淀，她在鲜活之上也开始显露一些不容忽略的改变——细枝末节的变化往往是悄然发生的，经年累月，伴随着她本身的意志能量，如同一颗从岩缝中萌出的芽蕊。安静，专注，潜移默化。时间过去就是过去，她会接纳全部的痕迹，这便是我们从她身上体会到的感觉。
? 齐永亮记者 向杰 摄
20251020 ? 6996电视影片免费人数与人口若发现任何违反联盟规则的交易或者签约，将予以取消，并强制没收交易中获得的紫金，除非球员能证明自己当时并不知情黑料官网北京时间9月6日，美网男单半决赛的焦点之战，7号种子德约科维奇对阵2号种子阿尔卡拉斯。经过3盘比拼，德约0-3完败，止步4强，无缘决赛。
? 赵国兴记者 孙景波 摄
? 小灵所患的FEVR，为何会被误诊为弱视？为何其父亲也存在相同的疾病？为什么经过激光治疗后，患儿的病情得到了控制？笔者 查阅大量文献，从科普和专业角度进行解读。《乳头被男人吸过乳头会皲裂吗》
