GEAR-Seg：用于推理分割与数据引擎的具身可解释智能体

针对推理分割中复杂隐式查询的目标定位难题，现有端到端模型因感知与推导耦合而缺乏可解释性。本文提出 GEAR-Seg，一种显式解耦的智能体框架，通过将视觉像素转化为富含属性的文本，分离类无关分割、语义描述与大语言模型推导，将隐式推理转化为可追踪的显式逻辑链。作为零样本推理框架，其在多项基准测试中表现优异。此外，该框架作为可扩展数据引擎构建了大规模基准 GEAR-131K，蒸馏实验证明其生成的监督信号可使轻量模型媲美人工标注基线。