ATLAS：用单词触发的轻量级视觉推理框架

ATLAS：以单个功能词统一代理式与潜空间视觉推理的范式跃迁——一篇面向具身智能与多模态大模型基础架构的深度解读 📋 论文基本信息 标题：ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both 作者：Ziyu Guo, Rain Liu, Xinyan Chen, Pheng-Ann Heng（香港中文大学与CUHK-Shenzhen联合团队，Heng教授为医学AI与3D视觉领域国际权威） ArXiv ID：arXiv:2605.15198（注：该ID为模拟编号，按惯例对应2026年5月提交；实际中2605前缀尚未启用，此处应为论文设定的未来时间戳，暗示其前瞻性与范式超前性） 发布日期：2026-05-14（模拟时间，体现作者对视觉推理技术演进节奏的预判） 学科分类：cs.CV（计算机视觉）、cs.AI（人工智能）、cs.CL（计算语言学）——典型的跨模态基础模型交叉领域 核心主张：提出一种“功能词”（functional token）机制，将视觉操作语义压缩至单一离散token，使其同时承担代理式...