目录4.1 System 1 vs System 2的认知架构设计4.1.1 快速感知（System 1）的模型实现4.1.2 审慎推理（System 2）的架构嵌入4.1.3 双系统协同的架构融合4.2 思维链（Chain-of-Thought）的多模态扩展4.2.1 视觉思维链（Visual CoT）的构建4.2.2 自我反思与回溯机制4.1 System 1 vs System 2的认知架构设计4.1.1 快速感知（System 1）的模型实现4.1.1.1 直接视觉特征到文本的自动映射System 1认知机制对应于人类思维的快速直觉反应，在多模态架构中体现为从视觉输入到语言输出的直接前馈映射。视觉编码器提取的特征向量经投影层进入语言模型空间，语言模型基于预训练获得的统计模式立即生成描述性文本。该过程跳过显式推理步骤，依赖参数化知识中的条件反射式关联。注意力机制在此模式下