연구진이 다단계 시각 추론을 위한 새로운 프레임워크 HDR(Hierarchical Denoising for Visual Reasoning)을 제안했어요. HDR은 계층적 latent를 활용하여 원인 기반 비디오 생성을 통해 복잡한 추론 작업을 수행하며, 기존 방식보다 추론 성공률과 평균 진행률을 크게 향상시켰어요. HDR은 0.7초의 낮은 지연 시간으로 스트리밍을 유지하며, 전체 데이터 성능의 82.9%를 2%의 학습 데이터만으로 달성했어요.