arXiv new/cross + ECCV 2026 · P2 · 2026-07-14

On Locality and Length Generalization：它和通用视觉自监督的关系在于：用局部/顺序视觉策略研究 visual reasoning 的 length generalization，与全局一次性 ViT 的 shortcut 问题相关

中相关；详见方法、贡献和实验边界。

On Locality and Length Generalization in Visual Reasoning　arXiv new/cross + ECCV 2026　原文链接

编号2607.09061 优先级P2 类别arXiv new/cross + ECCV 2026 会议arXiv new/cross + ECCV 2026 方法用局部/顺序视觉策略研究 visual reasoning 的 length generalization，与全局一次性 ViT 的 shortcut 问题相关来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：用局部/顺序视觉策略研究 visual reasoning 的 length generalization，与全局一次性 ViT 的 shortcut 问题相关。中相关；详见方法、贡献和实验边界。

**Figureure 1 · : Overview of our work’s central question: How should visual reasoning**Figure 1: Overview of our work’s central question: How should visual reasoning models process spatially distributed evidence when test-time task length exceeds the training range? Global models, that process the full image in a single pass, can learn shortcuts that fail out-of-distribution. Foveated recurrent processing, in contrast, decomposes the task into repeated local observations and state updates, which supports generalization to longer visual sequences.这张图概括 On Locality and Length Generalization 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 13 · : Example from FINDING ROOTS**Figure 13: Example from FINDING ROOTS. The model must identify the target subplot and function from the question, then estimate the x-values where the target function crosses zero.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 On Locality and Length Generalization 的方法或实验，请结合正文精读段落一起看。

核心问题

它和通用视觉自监督的关系在于：用局部/顺序视觉策略研究 visual reasoning 的 length generalization，与全局一次性 ViT 的 shortcut 问题相关。

方法拆解

用局部/顺序视觉策略研究 visual reasoning 的 length generalization，与全局一次性 ViT 的 shortcut 问题相关

主要贡献

中相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。