新研究：VLM harness 同样是组合泛化器，可拆解复杂图像问题

研究显示，Vision Language Models 的 harness 同样具备组合泛化能力，可将复杂图像问题拆解为更简单的观察步骤，提升 VLM 在难任务上的表现。a1zhang 转发的团队新博客给出这一结论；他今年曾提出用 harness 帮 LLM 通过任务分解实现组合泛化、应对更难任务。