知识增强推理

像专家一样观察：面向开放集细粒度视觉理解的知识增强智能体

Seeing as Experts Do: A Knowledge-Augmented Agent for Open-Set Fine-Grained Visual Understanding

将开放词表检测与网络级检索结合生成类别假设，并通过全局到局部的聚焦机制将检索到的文本知识转化为空间定位证据，为视觉语言模型提供可验证的细粒度推理依据。