arXiv Artificial Intelligence· Khai Loong Aw, Klemen Kotar, Baihan Zhang, Yifan Liu, Lilian Chen, Atlas Kazemian, Rahul Venkatesh, Daniel Yamins·· 2 小时前AI 评分42
Ψ-0.6：统一视觉-语言世界模型中的自适应思维流
$\Psi$-0.6: Adaptive Streams of Thought in a Unified Vision-Language World Model
AI 导读
Ψ-0.6 是一个统一视觉-语言世界模型，能在共享推理过程中自适应组合感知、语言、几何与仿真，以图像、文本及几何和运动的显式表示交织成“思维流”。它在多视图空间推理上零样本超过领先开源权重模型，借助几何中间表示推理可进一步提升，并支持反事实仿真，如判断移动物体是否会阻挡通路。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，提升视觉问答准确率且增益可迁移到未见基准。
来源：arXiv Artificial Intelligence · arxiv.org