一篇新的研究论文提出了统一归因理论，认为视频大模型在物理推理方面的困难源于“语义先验主导”，而非感知问题。为解决此问题，该论文提出了程序化对抗性课程（PACC）数据集和视觉锚定推理链（VARC）方法。实验表明，使用 PACC 进行微调，可以在不改变架构的情况下显著提高最先进模型的物理推理能力。 AI
影响 引入了一个新的数据集和方法来改进视频大模型的物理推理能力，有可能增强其在现实世界中的应用。
排序理由 学术论文，详细介绍了一种新的理论和数据集，用于改进视频大模型的物理推理能力。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.04515v1 Announce Type: new Abstract: While Video Large Language Models (Video-LLMs) excel in general understanding, they exhibit systematic deficits in fine-grained physical reasoning. Existing interventions not only suffer from limited generalization but fundamentally…
While Video Large Language Models (Video-LLMs) excel in general understanding, they exhibit systematic deficits in fine-grained physical reasoning. Existing interventions not only suffer from limited generalization but fundamentally conflate generative artifacts with genuine phys…