李飞飞谢赛宁:多模态LLM「空间大脑」觉醒,世界模型雏形

李飞飞和谢赛宁团队发现多模态LLM具备记忆和回忆空间的能力,形成局部世界模型和空间意识;研究发布VSI-Bench基准测试,包含5000多对视觉问答,可提升MLLM的视觉空间智能评估水平;另一方面,研究表明语言提示技术如CoT对空间推理无效,需开发更有效的空间记忆机制。

搜索