跳到正文
HuggingFace Daily Papers·· 19 天前AI 评分62

Ψ-0.6:统一视觉-语言世界模型中的自适应思维流

Ψ-0.6: Adaptive Streams of Thought in a Unified Vision-Language World Model

AI 导读

研究团队提出统一视觉-语言世界模型 Ψ-0.6,在共享推理过程中自适应组合感知、语言、几何与仿真,称为思维流。这些思维流通过共享 token 接口交替生成和解读图像、文本以及几何与运动的显式表示,模型在多视图空间推理上零样本超过领先开放权重模型,借助几何中间表示推理还能进一步提升。

来源:HuggingFace Daily Papers · huggingface.co