多步视觉推理不再只靠对话历史:Visual Board把观察、疑点与推导分开,8B系统在三项基准上超过32B单模型
多步视觉问答里,早期的看错会作为前提留在对话历史中,后续推理再自洽也难纠正。Visual Board把图像观察、未定细节和推导结论分字段写入一个容量受限、可整体替换的工作区,并保留原图供复查。在Euclid30K、SolidGeo和ChartQA柱状图上,无需任务训练,4B、8B、Qwen3-VL-Flash和32B四种配置全部提升,幅度6.10到24.82个百分点;同构All-8B在三个基准上均超过单模型Qwen3-VL-32B。