CoWorld Reasoner: Nguyên lý đa phương tiện đại lý với thế giới video tiến hóa mô hình-động hành vòng xoáy
CoWorld Reasoner: Agentic Multimodal Reasoning with the Evolving Video World Model-Driven Harness
Đoạn trích bài viết
Khi các mô hình ngôn ngữ thị giác (VLM) tiến bộ, họ ngày càng được kỳ vọng sẽ thực hiện lý luận không gian-thời gian về chuyển động, hành động và xem thay đổi vượt ra ngoài những gì hình ảnh đầu vào cho thấy.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.