据机器之心报道，CVPR 2026收录的一项最新研究揭示了当前大模型能力瓶颈的一个重要发现：模型的STEM（科学、技术、工程、数学）能力短板并非源于推理能力不足，而是在于"视觉感知"环节。这项名为CodePercept的研究表明，提升模型对视觉信息的准确理解，才是突破STEM能力的关键所在。

研究团队发现，当前大模型在处理涉及图表、公式推导、几何图形等视觉密集型STEM问题时，错误往往发生在感知层面而非推理层面。换言之，模型"看错了"而非"想错了"。而破解这一困局的关键，在于强化代码层面的视觉理解能力——通过编程式的视觉表征，让模型更精准地解析图像中的结构信息。

这一发现为大模型能力提升提供了全新思路：与其继续在推理链上堆算力，不如回归基础，提升模型"看"的能力。CodePercept框架在多项STEM基准测试中取得了显著提升，为下一代AI系统的研发指明了方向。