Décoder l'Image : Repousser les Frontières du Raisonnement par une Pensée Visuelle Active
Figure It Out: Improving the Frontier of Reasoning with Active Visual Thinking
December 30, 2025
papers.authors: Meiqi Chen, Fandong Meng, Jie Zhou
cs.AI
papers.abstract
Les problèmes de raisonnement complexes impliquent souvent des relations spatiales, géométriques et structurelles implicites qui ne sont pas explicitement encodées dans le texte. Si les modèles de raisonnement récents ont obtenu des performances solides dans de nombreux domaines, le raisonnement purement textuel peine à représenter les contraintes structurelles globales dans des contextes complexes. Dans cet article, nous présentons FIGR, qui intègre la pensée visuelle active dans le raisonnement multi-étapes via un apprentissage par renforcement de bout en bout. FIGR externalise les hypothèses structurelles intermédiaires en construisant des représentations visuelles durant la résolution de problèmes. En régulant de manière adaptative quand et comment le raisonnement visuel doit être invoqué, FIGR permet un raisonnement plus stable et cohérent sur les propriétés structurelles globales difficiles à capturer à partir du texte seul. Les expériences sur des benchmarks exigeants de raisonnement mathématique démontrent que FIGR surpasse les solides bases de référence à chaîne de pensée purement textuelle. En particulier, FIGR améliore le modèle de base de 13,12 % sur AIME 2025 et de 11,00 % sur BeyondAIME, soulignant l'efficacité du raisonnement multimodal guidé par les figures pour améliorer la stabilité et la fiabilité du raisonnement complexe.
English
Complex reasoning problems often involve implicit spatial, geometric, and structural relationships that are not explicitly encoded in text. While recent reasoning models have achieved strong performance across many domains, purely text-based reasoning struggles to represent global structural constraints in complex settings. In this paper, we introduce FIGR, which integrates active visual thinking into multi-turn reasoning via end-to-end reinforcement learning. FIGR externalizes intermediate structural hypotheses by constructing visual representations during problem solving. By adaptively regulating when and how visual reasoning should be invoked, FIGR enables more stable and coherent reasoning over global structural properties that are difficult to capture from text alone. Experiments on challenging mathematical reasoning benchmarks demonstrate that FIGR outperforms strong text-only chain-of-thought baselines. In particular, FIGR improves the base model by 13.12% on AIME 2025 and 11.00% on BeyondAIME, highlighting the effectiveness of figure-guided multimodal reasoning in enhancing the stability and reliability of complex reasoning.