会“思考”的目标检测模型来了！IDEA提出Rex-Thinker：基于思维链的指代物体检测模型，准确率+可解释性双突破

图 1 ：指代检测的应用场景实例 最近， IDEA 提出全新解决方案 Rex-Thinker ，首次将人类思维中的 "逻辑推理链" 引入视觉指代任务，让 AI 像人一样分步思考、验证证据，在权威测评中不仅准 确率显著提升，更展现出强大的 "知之为知之" 能力！ Caption ： Rex-Thinker 的思考过程 在日常生活中，我们常通过语言描述寻找特定物体："穿蓝衬衫的人""桌子左边的杯子"。如何让 AI 精准理解这类指令并定位目标，一直是计算机视觉的核心挑 战。现有方法常被两大问题困扰： 决策过程不透明 （"黑箱" 预测）和 拒识能力不足 （对不存在物体输出错误结果）。 Demo论文地址： https://arxiv.org/abs/2506.04034 突破在哪？让 AI 学会 "思考三步走" 传统模型直接输出目标检测框，而 Rex-Thinker 创新性地构建了可解释的推理框架： 1. 规划 （Planning） 拆解语言指令："找到坐在乌龟上的人" → 分解为 "第一步找到乌龟 → 第二步判断每个人是否坐在乌龟上" 2. 验证 （Action ）对每个候选目标（如 "Person 1""Perso ...