V*：将引导式视觉搜索作为多模态大模型的核心机制

V*: Guided Visual Search as a Core Mechanism in Multimodal LLMs

探索《V*：将引导式视觉搜索作为多模态大模型的核心机制》的原文与 Hacker News 社区讨论，查看来源并加入阅读清单。