Chain-of-Frames — визуальное рассуждение видео моделей

Chain-of-Frames — визуальное рассуждение видео моделей

Видео модели начали демонстрировать способность к «визуальному рассуждению» через Chain-of-Frames — аналог Chain-of-Thought для визуальных данных. Генерируя кадр за кадром, модель решает задачи (распознавание границ объектов, судоку, лабиринты), которые не были заложены в неё при обучении. Это emergent behaviour — способности возникают из масштабирования, а не из специального обучения.

Связи

• Промптинг видео моделей требует визуального входа — Описывает практическое применение Chain-of-Frames из исходной заметки
• Проговаривание структуры как триггер мышления — Аналогичный механизм: структура рассуждения помогает генерировать содержание
• Принцип новизны — рекомбинация старого в новых условиях — Chain-of-Frames — адаптация Chain-of-Thought для визуальной модальности
• Thinking from first principles как выход из системы — Emergent behaviour решает задачи без заложенных паттернов, с нуля

---

Источник: Telegram, 2025-10-15