OneLatent：用于视觉潜在推理的单 token 压缩
人工智能
2026-02-17 v1
摘要
链式思维 (CoT) 提示可改善推理，但通常会使推理成本增加一个数量级甚至两个数量级。为解决这些挑战，我们提出了 OneLatent—a 一个将中间推理压缩为单个潜在 token 的框架，通过来自渲染 CoT 图像和 DeepSeek-OCR 隐藏状态的监督。通过将文本步骤渲染为图像，我们获得了一个确定性的监督信号，可在无需输出冗长文本理由的情况下进行检查和审计。在各类基准测试中，OneLatent 将平均输出长度缩短了 ，仅使准确率下降 ，同时将输出 token 贡献 (OTC) 提升了 。在长链逻辑推理中，OneLatent 在 ProntoQA 上达到 ，在 ProsQA 上达到 ，压缩比最高可达 ，支持压缩受限的泛化。
引用
@article{arxiv.2602.13738,
title = {OneLatent: Single-Token Compression for Visual Latent Reasoning},
author = {Bo Lv and Yasheng Sun and Junjie Wang and Haoxiang Shi},
journal= {arXiv preprint arXiv:2602.13738},
year = {2026}
}