arXiv 人工智能· Khai Loong Aw, Klemen Kotar, Baihan Zhang, Yifan Liu, Lilian Chen, Atlas Kazemian, Rahul Venkatesh, Daniel Yamins·· 9 小时前AI 评分43
$\Psi$-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
研究人员推出统一视觉-语言世界模型 $\Psi$-0.6，通过共享 token 接口交织图像、文本、几何与运动表征，实现自适应思维流推理。该模型在多视角空间推理上 zero-shot 超越领先开源权重模型，并支持用于路径阻挡等推断的反事实仿真。基于任务反馈的强化学习联合优化了中间表征生成与使用，有效提升了视觉问答准确率与跨基准泛化能力。
来源：arXiv 人工智能 · arxiv.org