本文介绍了一种名为“链式草图”（CoS）的方法，旨在提高视觉模型在全球推理任务中的学习效率。研究发现，现有的大型视觉模型和多模态语言模型在这些任务上表现不佳。CoS通过将复杂任务分解为中间视觉步骤，帮助模型更好地学习。同时，引入的“归纳CoS”结构在小模型中也能实现更好的泛化能力。