在这个工作中，我们研究了分割大模型领域的一大一小两个关键问题，大问题就是老生常谈的 "泛化能力"，传统分割大模型对未见过的提示和领域的泛化 能力往往有限；小问题则是隐藏的 "信息瓶颈"，此前的分割大模型从 "大脑思考"（MLLM）到 "分割解码"（SAM）之间往往只通过单一的分割 Token 传 递信息，存在隐形的 "信息输送瓶颈"。 文本提示图像分割（Text-prompted image segmentation）是实现精细化视觉理解的关键技术，在人机交互、具身智能及机器人等前沿领域具有重大的 战略意义。这项技术使机器能够根据自然语言指令，在复杂的视觉场景中定位并分割出任意目标。 然而，当前主流的技术路径，如基于监督式微调（Supervised Fine-Tuning, SFT）的方法，正面临着根本性的瓶颈。这些方法本质上是静态的模式匹配， 虽然在特定数据集上表现优异，但其泛化能力往往受限，形成了一个难以逾越的 "能力天花板"。尤其是在处理需要多步、复杂推理的未知指令时，性能会 显著下降，其根源在于 SFT 方法在训练中忽略了动态的、显式的推理过程。 为了 shatter 这一能力天花板，我们引入了 LE ...