\Psi-0.6

新型视觉语言模型$\Psi$-0.6 增强物理推理能力

研究人员推出$\Psi$-0.6，这是一种新颖的视觉语言世界模型，旨在增强人工智能对物理世界的推理能力。该模型通过在称为思维流的统一推理过程中自适应地组合感知、语言、几何和模拟来实现这一点。与现有的开源模型相比，$\Psi$-0.6 在多视图空间推理方面展现出卓越的零样本性能，并且能够执行反事实模拟来预测设想场景的结果。通过强化学习进一步优化了模型的性能，提高了其视觉问答准确性和在新基准上的迁移能力。