作者提出统一视觉-语言世界模型Ψ-0.6

Khai Loong Aw 等作者提出统一视觉-语言世界模型Ψ-0.6，称其能在共享推理过程中自适应组合感知、语言、几何与模拟，以交错的图像、文本和几何运动表示构成“思维流”。 据论文，该模型在多视图空间推理上零样本超越领先开源权重模型，借助几何中间表示可进一步提升，并支持反事实模拟；基于任务反馈的强化学习联合优化中间表示的选择、生成与使用，提高视觉问答准确率，且增益可迁移到未见基准。上述效果均为作者在论文中的说法。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。