PulseAugur
中
实时 12:55:51
English(EN) Vision Language Models Cannot Reason About Physical Transformation

视觉语言模型未能掌握物理变换

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新发表在arXiv上的研究论文强调了当前视觉语言模型（VLMs）在理解物理变换方面存在的显著局限性。该研究引入了ConservationBench，一个旨在测试VLMs是否能掌握守恒原理的数据集，即物理量在变换过程中保持不变。在112个VLMs和超过23,000个问题中，模型的表现接近随机猜测水平，表明它们在维持物理属性一致性表征方面存在根本性缺陷。 AI

影响 当前的VLMs在基本物理推理方面存在困难，这表明需要新的架构或训练方法来实现强大的具身AI能力。

排序理由 该集群包含一篇详细介绍新基准和现有模型评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Dezhi Luo, Yijiang Li, Maijunxian Wang, Tianwei Zhao, Bingyang Wang, Siheng Wang, Pinyuan Feng, Pooyan Rahmanzadehgervi, Ziqiao Ma, Hokin Deng ·

    Vision Language Models Cannot Reason About Physical Transformation

    arXiv:2603.07109v2 Announce Type: replace Abstract: Understanding physical transformations is fundamental for reasoning in dynamic environments. While Vision Language Models (VLMs) show promise in embodied applications, whether they genuinely understand physical transformations r…

相关实体

相关话题