向视觉版O1进发，阶跃张祥雨团队推出慢感知，实现感知层面推理时间的动态调整

内容总结

阶跃星辰&北航团队针对当前多模领域O1-like模型对视觉感知关注不足的问题，提出了“慢感知”概念。他们指出，精细/深度感知是未来视觉推理的重要基础，并认为通过任务拆解实现感知层面的推理时间动态调整（inference time scaling）是一个可行的思路。一个典型的例子是要求模型按照螺旋线的顺序报出每个字母，这需要深度感知而非简单的文本推理。

慢感知分为感知分解和感知流动两个阶段。感知分解将几何图形分解为基本形状单元，避免多峰优化问题；感知流动则模拟人使用尺子配合眼动的描线过程，通过多次眼跳到达下一个决策点，实现长程依赖的感知决策。实验结果显示，感知尺越短，模型性能越好，验证了慢感知建模方案的有效性。该团队也在积极将慢感知迁移到更通用的任务上，期待未来有更多落地场景。