WM-VLM: Xét nghiệm các mô hình thế giới bên trong cho lý luận hình ảnh-tờ văn liên kết
WM-VLM: Probing Internal World Models for Interleaved Visual-Textual Reasoning
Đoạn trích bài viết
Con người thường giải quyết các vấn đề không gian bằng cách mô phỏng về tinh thần những biến đổi thị giác. Ngược lại, các mô hình ngôn ngữ thị giác thông thường (VLM) chủ yếu lý luận thông qua ngôn ngữ. Chúng tôi điều tra xem liệu VLM có thể giải quyết các vấn đề không gian bằng cách lý luận với cả văn bản và các trạng thái trực quan được tạo ra không.
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.