字节 Seed 与港中文 MMLab 提出 Chain-of-Frame 推理范式,基于 OpenCoF-17K(11 类任务 / 17,312 条样本 / 4 条策展流水线)对 Wan2.2-I2V-A14B 做 LoRA 微调,无需改架构即可在 VIPER、Gen-ViRe、MME-CoF、RULER-Bench 四个外部视频推理基准上整体超过基线;进一步引入视觉/文本推理 token 机制,前者偏感知、后者偏语义,把"视频生成模型作为纯视觉推理器"这条新路线从论文设想推到工程可复现。
字节 Seed 与港中文 MMLab 提出 Chain-of-Frame 推理范式,基于 OpenCoF-17K(11 类任务 / 17,312 条样本 / 4 条策展流水线)对 Wan2.2-I2V-A14B 做 LoRA 微调,无需改架构即可在 VIPER、Gen-ViRe、MME-CoF、RULER-Bench 四个外部视频推理基准上整体超过基线;进一步引入视觉/文本推理 token 机制,前者偏感知、后者偏语义,把"视频生成模型作为纯视觉推理器"这条新路线从论文设想推到工程可复现。