程序化视觉推理

将视觉概念合成为视觉-语言程序

Synthesizing Visual Concepts as Vision-Language Programs

把 VLM 当作结构化视觉描述生成器，再将描述编译成可在图像上直接执行的神经符号程序，为需要系统性逻辑推理的视觉任务提供了一条可解释、可抑制捷径学习的替代路径，可复用于视觉归纳推理与组合式推理基准。