Ψ-0.6：统一视觉-语言世界模型提出

2026年10月26日，arXiv Artificial Intelligence 刊出由 Khai Loong Aw 等作者完成的研究，提出统一视觉-语言世界模型 Ψ-0.6。该模型在名为“思维流”（streams of thought）的共享推理过程中，自适应地组合感知、语言、几何与仿真，将图像、文本以及几何和运动的显式表示交织在一起。报道称，Ψ-0.6 在多视图空间推理任务上零样本表现超过领先的开源权重模型；借助几何中间表示进行推理可进一步提升效果，并支持反事实仿真，例如判断移动物体是否会阻挡通路。研究还采用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，从而提升视觉问答准确率，且增益可迁移到未见基准。目前该事件仅有这一篇主报道，尚无后续跟进报道，模型的具体参数规模、训练数据、开放程度与适用范围等均未在报道中说明。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。