ECCV 2026 MARS2 Workshop：全球64支队伍挑战多模态推理，揭示AI从感知向高阶推理跨越的关键路径
在ECCV 2026期间，由钛动科技牵头的MARS2 Workshop成功举办，聚焦大模型时代的多模态推理与慢思考。该活动同步发起的多模态推理挑战赛吸引了全球64支顶尖团队参赛，累计提交超1060份解决方案。竞赛结果揭示了当前AI在System 2类商业决策推理上的短板，并指出通过证据链工程和跨模态对齐优化比单纯增加参数量更具性价比，为Agentic Commerce落地提供了务实方向。
事件概述
9月9日，计算机视觉顶级会议ECCV 2026在瑞典马尔默举行。其中，MARS2 Workshop（2nd Multimodal Reasoning and Slow Thinking in the Large Model Era）作为本届大会唯一由中国科技公司牵头举办的Agentic Commerce方向研讨会，汇聚了来自清华大学、牛津大学、麻省理工学院等机构的顶尖学者，深入探讨多模态推理、长链推理及智能体系统等前沿议题。
核心信息：多模态推理挑战赛
Workshop同期发起了多模态推理挑战赛，旨在评估AI从“看懂”到“想通”的能力跃迁。赛事设置10万美元总奖池，围绕三大核心维度展开：
- 整体语义理解 (MAC)
- 时序证据定位 (VTG)
- 营销策略归因 (MDC)
共有来自全球64支顶尖团队（包括高校学者及字节跳动、京东等企业技术代表）参赛，累计提交超过1060份解决方案。获奖技术方案已整理为报告《2026 Challenge on Multimodal Reasoning: From Multimodal Perception to Complex Reasoning》，相关基准数据集M-CAR及代码库已在GitHub开源。
关键发现与结论
挑战赛结果从三个层面推动了多模态AI研究与产业应用：
-
明确了能力边界：当前多模态模型在System 1类型的感知任务上表现良好，但在涉及多跳推理和时序因果归因的System 2类商业决策问题上，性能出现断崖式下滑，表明现有技术在高阶推理环节仍有明显短板。
-
揭示高性价比优化路径：消融实验显示，引入跨模态时空对齐的音频事件时间线可使模型定位精度提升16.7分；而将模型参数量从4B扩展至8B反而导致性能下降0.2分。这表明在算力约束下，资源应更多投向模态补全与输入增强，而非单纯堆砌参数。
-
提供清晰落地思路：冠军方案普遍采用Proposer-Critic双模型验证、粗到细两阶段定位及时长自适应Token分配等技术。其核心逻辑是用“证据链工程”替代“参数堆叠”，将推理任务拆解为证据获取、时空对齐、一致性校验的闭环链路，为AI营销产品的落地指明了更务实的方向。
此次研讨会的成果表明，AI营销能力的下一步提升重点不在于模型参数规模，而在于设计可追溯、可校验的推理流程。