lightbulb
核心概念：超越像素的"想象之眼"
Monet旨在让多模态大模型（MLLM）摆脱"看图说话"的笨拙模式，真正拥有类似人类的"想象之眼"。它不再满足于简单的像素识别，而是在高维的"潜在视觉空间"中进行连续的心理模拟。
流形假说 数据在高维空间中集中在低维流形上。Monet如同在沙漠中找到了唯一的"绿洲之路"，在低维流形上进行"心理模拟"，避免了维度灾难。
architecture
核心技术架构
SFT (蒸馏微调)
- 阶段1: 热身适应图像-文本交错推理
- 阶段2: 获取高质量目标潜在嵌入
- 阶段3: 无辅助图像下自主生成嵌入
VLPO (策略优化)
将连续潜变量纳入强化学习策略梯度，直接根据奖励信号优化"视觉直觉"。
bar_chart
实验结果与性能
Monet在常规推理任务和分布外 (OOD)抽象任务上均显著超越基线模型（如GPT-4V）。
rocket_launch
未来展望与应用
机器人救灾：模拟复杂环境，规划安全路径
医疗预测：模拟病情演变，辅助诊疗决策
当机器拥有"心智模型"，它们将像人类一样在脑海中预演行动后果，开启AI在物理世界应用的新篇章。