视觉语言模型 / CVPR2026
从直觉到探究:面向可泛化人脸反欺骗的工具增强推理多模态大模型框架
From Intuition to Investigation: A Tool-Augmented Reasoning MLLM Framework for Generalizable Face Anti-Spoofing
把外部视觉工具(如放大、局部裁剪等细粒度分析算子)接入 MLLM 的推理链,并用 GRPO 类强化学习让模型自主决定何时调用工具,这一「工具增强思维链」范式可直接迁移到需要细粒度视觉证据的检测/鉴伪任务。
多模态大模型思维链工具调用