一个可以“认为”的目标发现模型在这里！想法推荐rex-thinker：基于思维链对象检测的模型参考，在准确性方面取得了双重成功 +解释 标题：雷克斯 - 思想家在日常生活中的思维过程，我们经常通过语言描述找到特定的物体：“穿着蓝色衬衫的人”和“桌子左侧的杯子”。 AI将如何准确理解说明和位置目标一直是计算机视觉的主要挑战。现有方法通常受到两个主要问题的干扰：制定过程（“黑匣子”预测）和识别能力不足（未存在的对象的输出错误结果）。图1：发现此类应用方案的示例，想法提出了一种新的解决方案Rex-Inker，该解决方案首次将“逻辑推理链”引入了人类思想中的“逻辑推理链”，这是第一次在视觉转介活动中，允许AI思考并证明证据作为步骤作为一个步骤。一个人。在权威分析中，不仅准确性有显着提高，而且还表现出强大的“知道您知道的知识”的能力！项目主页：https：//rexthininker.github.io/在线演示：https：//huggingface.co/spaces/mountchicken/rex-dinkerdemo纸质地址：https：//arxiv.org/abs/2506.04034开放式代码：让AI知道“考虑到“ 13个步骤”的传统模型直接输出对象检测框架，而雷克斯 - 思考器是可解释的推理框架的创新构造：1。计划（计划）将拆卸语言说明：“找到乌龟为每个目标候选人（例如“人1”和“ persone 1”和“人类”的特定步骤，该方面的特定步骤与人类的特定步骤相匹配。图）（摘要验证，输出坐标或符合目标“未找到”的陈述图2：REX-THINKER推理示例模型模型：基于基于检索的检测多峰模型设计 + COTER刺激结构：Resival检测检测检测多模型模型设计 +图3：3。REX-THENINGER采用了基于模型的设计搜索的策略，首先是通过“ Discovery of Discovery”候选框来挑选所有候选框，然后将所有候选框用于候选框，然后将候选框输入候选框，并插入候选框，并将其输入候选框，并将其插入候选框，并将其输入候选框，并将其插入候选框。理解，最后输入答案。具体来说，每个步骤均为：1。候选候选人：使用开放的词汇探测器（例如接地Dino），以提前将所有可能的目标区域视为拳击； 2. COT推理：给定一个候选框，分别比较模型和因素，并生成一个结构化的思维过程...以及最终的答案。...整个过程的输入提示如下：图4。Rex-Inkinker的输入提示。 3。输出格式：TARG的最终输出ET坐标的标准化JSON格式。该设计不仅会阻止直接恢复坐标的困难，而且还可以使推理的每个步骤都具有图像基础，从而提高了推理的解释性和凭据。培训过程：SFT冷启动 + GRPO后培训。为了创造强大的推理能力，为了创造人类推理的能力，关键是要教会它如何逐步思考。直到今天，Rex-Thinker一直采用两阶段的培训策略，从开发高质量倾斜数据集开始。图5：HumanRef-Cot构建过程1。首先，基于现有的HumanRef数据集（集中于许多角色参考），首先使DataNet HumanRef-Cot识别识别，该团队会自动使用GPT-4O和开发的HumanRef-Cot开发90,000个链条理解示例。主要特征包括：完整的趋势Kadena：每个样本都是根据Wi严格形成的识别“计划（绩效） - 填充（摘要）的过程。不同的推理情况：涵盖复杂的描述，例如单口项，多用途，特征的组合，空间关系，交互性行为，交互式行为等。学习“如何思考”。认识“子集。下降标记增加了13.8个百分比TS，表明链链的引入显着增强了模型识别“无目标”的能力。另外，GRPO中的补充会在COT的基础上带来额外的性能改进，平均DF1提升为83.5。与单个路径的管理研究相比，GRPO引导的模型通过奖励机制探索了更好的推理路径，从而显着提高了复杂情况下判断的稳定性和准确性。表2 REX思维器的概括在Refcocog数据集中导致REX-THENINGER在Refcocog数据集中的跨类别检查中还显示出很大的传输功能。没有任何针对性的微调，该模型仍然可以准确降低目标位置并反映出色的慷慨能力。通过调整少量的recocog grpo，该模型的性能是附加方法，甚至超过现有的基本方法，这证实了过程的可伸缩性在新类别和新活动中。可视化结果让下一个显示REX-INGINGER认知过程的纪念，以及条件验证和最终决策输出的每个步骤。该图清楚地表明了该模型如何逐渐寻找图像中的目标，如何确定是否满足条件以及结果最终输出或拒绝预测。这些可视化不仅反映了对模型的出色理解，还突出了其理解道路的清晰度和解释性。尤其是在存在许多干扰术语或不存在目标的情况下，雷克斯思维器可以提供详细的负面推理，并显示“知道您所知道的，但不知道您不知道的内容”的能力。在传统的视觉模型中，这种功能非常罕见，具有应用程序应用的实用机制。