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。