arXiv cs.CL· Munachiso Samuel Nwadike, Zangir Iklassov, Ali Mekky, Zayd M. Kawakibi Zuhri, Kentaro Inui·· 10 小时前AI 评分26
Einstein World Models：让 LLM 在推理链中做视觉思想实验
Einstein World Models
AI 导读
研究者提出 Einstein World Models（EWM），一种让 LLM 在推理轨迹中嵌入视觉-时序 rollout 的推理系统蓝图。LLM 调用 world-module 生成场景的短 rollout，返回结果被当作可检查的假设而非最终答案，从而把工具调用能力扩展到视觉思想实验领域。论文共 12 页，含 2 张图和 1 个算法。
正文 · AI 翻译
摘要：智能是否需要具备对超越直接经验的现象进行推理的能力？人们自然会怀疑，某些复杂的思维无法仅通过语言来捕捉。然而，本工作特别关注的是，对反事实事件进行可视化能否作为复杂思维的机制来补充语言。我们追问，LLM 能否被训练以利用此类可视化机制，从而使其推理能力受益。受此问题启发，我们提出了 Einstein World Models。EWM 是一种基于 LLM 的推理系统蓝图，它将视觉-时间推演置于推理轨迹之中，使其能够以仅靠文本可能难以良好支持的方式进行推理。在 EWM 中，LLM 调用一个世界模块（不要与世界模型混淆），以生成所考虑场景的简短推演。返回的推演不被视为答案，而是被视为一种可检验的假设，用以支持后续推理。Einstein World Models 将 LLM 的工具调用能力（如网络搜索或代码执行）扩展到视觉思想实验领域。
| 评论： | 12 页（不含参考文献 9 页），2 幅图，1 个算法 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2606.26969 [cs.AI] |
| （或 arXiv:2606.26969v2 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2606.26969 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Munachiso Nwadike [查看邮箱]
[v1]
2026 年 6 月 25 日星期四 12:42:04 UTC（1,478 KB）
[v2]
2026 年 11 月 10 日星期二 00:19:48 UTC（1,479 KB）
来源：arXiv cs.CL · arxiv.org