超越视界：通过自调节隐式视觉工具实现高效多模态推理

针对现有多模态大模型在“图像思维”范式中因频繁调用外部工具和重复编码导致的高计算开销问题，本文提出“超越视界”（BEE）框架。该框架引入自调节隐式视觉工具范式，将工具调用行为融入训练目标。通过形式化思维链监督微调与自调节奖励驱动对齐两阶段训练，模型能自适应平衡内部知识与隐式工具，仅在必要时调用工具。实验表明，BEE 在细粒度视觉感知任务中达到最先进水平，同时显著提升推理效率。