AI学会用世界模型思考了！清华字节新作

论文标题： Visual Generation Unlocks Human-Like Reasoning
through Multimodal World Models
论文地址： https://arxiv.org/pdf/2601.19834
代码地址： https://thuml.github.io/Reasoning-Visual-World

方法：本文围绕多模态世界模型展开研究，先建立理论框架区分文本与视觉世界模型的表征差异并提出视觉优势假说，搭建面向具象空间物理推理的评测基准 VisWorld-Eval，再通过纯文本、图文交错两种推理范式对照实验，验证视觉生成对具象推理任务的提升作用，明确视觉辅助推理的适用场景与作用机理。