研究人员推出WOVEN，这是一个新的基准测试和训练数据集，旨在提高多模态大语言模型（MLLMs）的视觉过渡推理能力。尽管取得了进展，但目前的MLLMs在空间、具身和时间推理方面仍存在显著缺陷，WOVEN数据集通过在各种场景、动作和推理类型中组织监督数据来解决这些问题。对包括GPT-5.4和Qwen3-VL-235B-A22B在内的38个前沿MLLMs的评估显示，与人类相比存在显著的性能差距，规模的提升带来的改进很小。然而，在WOVEN上进行训练表明，即使是小规模的数据子集也能培养出广泛迁移的可重用能力，从而提高在众多外部基准测试上的性能，并为MLLMs中的视觉世界建模提出了一种新的训练方法。 AI
影响 建立了一个新的基准测试和训练方法，以解决多模态大语言模型在视觉推理方面的根本性缺陷，有可能提高其在现实世界中的应用能力。
排序理由 发布了一篇介绍多模态大语言模型基准测试和训练数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
