探索多模态思维的推理时间扩展：初步研究

本研究探讨了多模态推理中视觉与文本结合的过程，分析了基于采样和树搜索的推理时间扩展方法，结果显示多模态思维在性能上优于传统文本思维，但处理丰富视觉输入时需要更多标记。