# Meta 华人团队发布 ATLAS：用一个词让视觉模型学会可泛化的推理

> 原标题：Meta华人发布ATLAS，一个词搞定可泛化的视觉推理！

- 来源：机器之心 · 公众号
- 发布时间：2026-05-22T02:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/25896
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651034410&idx=1&sn=8d1fce92f27fb31c31a4d3831eec4004

## 摘要

Meta AI 和港中文的研究者搞了个叫 ATLAS 的方法，核心是在视觉语言模型里塞一个“功能词”（Functional Token），让模型能同时走两条路：一条是显式的、一步步调用工具去操作图像（Agentic 推理），另一条是隐式的、在内部潜空间里直接算（Latent 推理）。

## 推荐理由

Meta AI 与港中文提出 ATLAS，在视觉语言模型中加入功能词，使同一次推理可切换显式调用工具与潜空间内部计算两条路径。

## 锐评

一个 token 同时管工具调用和潜空间推理，这个设计挺省事，插进去就能让模型两条路都走。但论文里两条路能不能真泛化，得看它在没见过的任务上还灵不灵。Meta 和港中文这套 ATLAS 目前只有数据集和训练细节，没有部署成本，也没有大规模验证，我暂时当它是篇有意思的方法论文，搬进产品还早。多模态 agent 的 scaffold 先别动。
