精选理由
这篇论文用视频帧序列做推理，比传统的思维链更直观。他们把 Wan2.2 模型微调成 Wan-CoF，在多个基准上分数更高，还开源了数据集和代码。
OpenCoF 是一个包含 OpenCoF-17K 数据集和 Wan-CoF 模型的推理框架，覆盖 11 个任务家族。在 4 个视频推理基准上，Wan-CoF 相比 Wan2.2-I2V-A14B 基线取得显著提升。模型引入视觉和文本推理 token，分别捕捉低级视觉线索和高级语义先验。实验通过注意力分析探讨了这些 token 在不同深度、去噪步骤、空间和时间上的贡献。
AI 翻译 · 中文
OpenCoF 是一个包含 OpenCoF-17K 数据集和 Wan-CoF 模型的推理框架，覆盖 11 个任务家族。在 4 个视频推理基准上，Wan-CoF 相比 Wan2.2-I2V-A14B 基线取得显著提升。模型引入视觉和文本推理 token，分别捕捉低级视觉线索和高级语义先验。实验通过注意力分析探讨了这些 token 在不同深度、去噪步骤、空间和时间上的贡献。
Reasoning has become a core capability for large models, especially when reliable decisions require understanding logical consequences. Recent video generation models offer a reasoning path distinct from previous Chain-o…