这项由清华大学和字节跳动Seed联合发起的研究于2026年1月发表，论文编号为arXiv:2601.19834v1，研究团队提出了一个颠覆性观点：让AI通过生成图像来进行推理，就像人类在头脑中构建"心理图像"一样思考问题。这种全新的推理方式可能彻底改变我们对人工智能的认知。
当你试图回想家里客厅的布局，或者想象将一张纸折叠后打孔会形成什么图案时，你的大脑会自动生成各种视觉画面。这些"脑海中的图像"帮助你理解空间关系，预测物理变化，解决复杂问题。而目前的AI系统，包括ChatGPT这样的语言模型，主要依靠文字进行推理，就像一个只会纸上谈兵的理论家，缺乏直观的视觉理解能力。
研究团队发现了一个有趣现象：尽管当前AI在数学和编程等抽象领域表现出色，但在涉及物理世界的空间推理任务上却表现糟糕，甚至连小孩子都能轻松解决的问题都会出错。这就好比一个学富五车的学者，能够背诵大量理论知识，却不知道如何在现实中应用这些知识。
为了解决这个问题，研究团队开发了一种全新的推理模式。传统AI就像一个只能通过语言描述来理解世界的人，而他们的新方法让AI能够"看到"和"想象"画面，在推理
