香港中文大学梁晓丹教授带领的研究团队开发了GeoThinker和GeoThinker-F,这是视觉语言模型在空间推理方面的两项重要进展。GeoThinker改进了模型选择和利用外部几何信息的方式,减少了干扰,并在VSI-Bench等基准测试中提升了性能。GeoThinker-F通过使模型能够内部生成空间表征,进一步优化了这一过程,无需实时外部几何编码器,从而在很大程度上保持准确性的同时,将空间推理速度提高了3.6倍。 AI
影响 加速了AI理解和交互3D环境的能力,这对于机器人和自主系统至关重要。
排序理由 该集群详细介绍了在学术背景(ICML)下展示并在arXiv上发表的研究成果和模型开发(GeoThinker和GeoThinker-F)。[lever_c_demoted from research: ic=1 ai=1.0]
- GeoThinker
- GeoThinker-F
- International Conference on Machine Learning
- Liang Xiaodan
- Mohamed bin Zayed University of Artificial Intelligence
- Qwen2.5-VL-7B
- Qwen3-VL-8B
- The Chinese University of Hong Kong
- VGGT
- VSI-Bench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →