多模态思维可视化 Multimodal Visualization-of-Thought
多模态思维可视化(Multimodal Visualization-of-Thought,简称 MVoT)是由微软研究院、剑桥大学和中科院的研究人员于 2025 年 1 月提出的一种结合多种感知方式(如视觉、听觉、触觉、语言等)来展示和理解思维过程的技术或方法。相关研究成果发表于论文「Imagine while Reasoning in Space:
Multimodal Visualization-of-Thought」。这种技术旨在通过多种不同的模态(如图像、文字、声音、动作等)协同工作,提供对思维、决策和信息处理过程的更加直观和综合的展示。