Thought画布：通过可变结构状态进行推理

尽管Chain-of-Thought（CoT）提示方法显著提升了多模态大语言模型（MLLMs）的推理能力，但仅依赖线性文本序列在复杂任务中存在瓶颈。我们发现，即使引入辅助视觉元素，它们通常也被视为一维、无结构推理链中的静态快照。我们认为现有方法将推理历史视为不可变流：纠正局部错误需要生成冗长的后续修正或重新生成整个上下文，迫使模型隐式维护和跟踪状态更新，显著增加计算开销和认知负担。这一限制在高维领域（如几何和SVG设计）尤为明显，因为CoT的文本表达缺乏显式的视觉指导，进一步限制了推理精度。为弥补这一差距，我们提出了Canvas-of-Thought（Canvas-CoT）。通过利用HTML Canvas作为外部推理基板，Canvas-CoT使模型能够执行基于DOM的原子CRUD操作。该架构允许在不破坏周围上下文的情况下进行原地状态修订，使模型能够显式维护“真实状态”。此外，我们集成了基于渲染的批评循环，作为硬约束验证器，提供显式视觉反馈以解决难以仅用文本描述的复杂任务。在VCode、RBench-V和MathVista上的大量实验表明，Canvas-CoT显著优于现有基线，确立了一种新的上下文高效多模态推理范式。