这项由香港理工大学研究团队完成的研究，以预印本形式发布于2026年6月8日，论文编号为arXiv:2606.09585，感兴趣的读者可通过该编号查阅原始论文。 人类用语言思考已经司空见惯，但如果有一天，AI不再用文字"想问题"，而是直接用图片来推理呢 ...

A：光学推理把推理步骤变成图片，而不是一长串文字。这样做最直接的好处是节省令牌——在香港理工大学的实验中，语言任务平均节省了28.57%的令牌，多模态任务节省16%，整体令牌效率是文字推理的近两倍。同时，准确率不仅没有明显下降，在很多场景下还持平甚至提升了。对多模态任务来说，图形版光学推理还能把文字和图形元素整合在同一张"画布"上，这是纯文字推理做不到的。