ATLAS

ATLAS 是一个面向视觉推理任务的轻量级模型，提出仅用单个离散词（one discrete word）即可统一建模代理式（agentic）与隐式（latent）两类视觉推理范式。其核心通过可学习的离散 token 映射视觉-语言联合表征，在保持推理能力的同时显著降低计算开销；技术上融合了视觉编码器、离散化投影模块与任务自适应解码器，并支持注意力可视化分析。适用于资源受限场景下的多步视觉问答、图像理解与具身推理等需要高效、可解释推理路径的任务。