# 浙大和阿里给生图模型加了个“先想再画”的模块，画数独、烧蜡烛这类精细活终于不翻车了

> 原标题：画数独、烧蜡烛都不翻车了？浙大&amp;阿里让AI先三思再下笔｜ACL 2026

- 来源：量子位 · 公众号
- 发布时间：2026-05-26T05:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/28128
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247893123&idx=3&sn=324e2f6977d0b2ea15ec462d8e403890

## 摘要

这篇论文提出了一个叫 Unified Thinker 的独立规划模块，专门解决生图模型一遇到需要精确空间推理的任务就乱来的问题。它不像以前那样让模型边想边画，而是把“思考”和“执行”拆开：先让模型生成结构化的推理步骤，再把这些步骤翻译成具体的视觉指令去生图。

## 推荐理由

浙大和阿里为生图模型提出 Unified Thinker 规划模块，把思考与执行拆开，先产出结构化推理步骤再转成视觉指令，可用于了解提升精细空间任务可靠性的思路。

## 锐评

把思考和执行拆开这个方向是对的，生图模型在数独、烧蜡烛这种要一步步来的任务上翻车，根子就是它一边想一边画，画到第三格已经忘了第一格的约束。加个独立规划模块先出结构化步骤，再翻译成视觉指令，相当于给模型配了个不画画的脑子。

4 万条构造样本加两阶段强化学习，这个量级不算大，规划模块本身应该挺轻。能不能用还得看推理延迟，多一次前向就多一份钱，跑视觉 agent 的会算这笔账。
