视觉-语言模型在物理动态与意图推理上仍落后于人类
原文标题:Vision-language models lag human performance on physical dynamics and intent reasoning
导读
研究发现,视觉-语言模型在理解开放场景中的物理互动和推测意图方面仍明显弱于人类,空间智能仍是短板。
推荐理由
涉及模型 · 与本主题相关
来源:arXiv cs.AI · arxiv.org
原文标题:Vision-language models lag human performance on physical dynamics and intent reasoning
研究发现,视觉-语言模型在理解开放场景中的物理互动和推测意图方面仍明显弱于人类,空间智能仍是短板。
涉及模型 · 与本主题相关
来源:arXiv cs.AI · arxiv.org