CoWorld Reasoner：用视频世界模型做多模态推理
热点事件持续更新
CoWorld Reasoner：用视频世界模型做多模态推理
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Dongjie Cheng 等提出 CoWorld Reasoner，一个以视频世界模型为统一视觉推理引擎的智能体框架：通过工具和技能引导视觉语言模型选择视觉操作、生成证据并完成时空推理。作者还引入 VLM-VWM Harness Co-Evolution，根据执行反馈联合修订工具、技能和执行代码，且保持两个模型权重不变。基于论文摘要，该方法在覆盖空间智能、时序与因果推理及感知推理的七个基准上优于同一 VLM 的直接推理，最强变体在 MMSI 和 ERQA 上分别取得 11.8% 和 13.0% 的相对准确率提升，并在五个基准上超过五个使用相同骨干的演化基线。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
CoWorld Reasoner：通过视频世界模型驱动工具框架进行智能体多模态推理报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AICoWorld Reasoner：通过视频世界模型驱动工具框架进行智能体多模态推理
CoWorld Reasoner 提出一种以视频世界模型为统一视觉推理引擎的智能体框架，通过工具和技能引导视觉语言模型选择视觉操作、生成证据并完成时空推理。基于论文摘要，该方法在覆盖空间智能、时序与因果推理及感知推理的七个基准上优于同一VLM的直接推理，最强变体在MMSI和ERQA上分别取得11.8%和13.0%的相对准确率提升，并在五个基准上超过五个使用相同骨干的演化基线。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月16日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。