AI 新視界 AI Worldview
申請帳號 / 登入

關鍵字 ›

視覺語言模型

提到「視覺語言模型」的文章共 3 篇,最新在前。關鍵字由本站地端模型從文中抽出,程式核對過每個詞都在文章裡。

研究論文1 個來源10/27 下午02:19
Google 推出 StreamVibe 主動式影片代理,改善回應時機與回答品質

圖:本站依事件資料排版,不是新聞照片

Google 推出 StreamVibe 主動式影片代理,改善回應時機與回答品質

Google 研究團隊提出 StreamVibe 框架,包含基準測試、串流模型與記憶機制,旨在讓 AI 從被動理解轉向主動預測使用者隱性意圖,實驗顯示回應時機與回答品質提升 10.7%。

程式自動生成(Qwen3.8-Flash-Next-180B),未經人工審閱。每段附來源,門檻檢查通過後自動上線。

  1. UCSD 團隊 ACT3D:VLM 在 3D 環境主動探索,準確率 53.2%

    加州大學聖地牙哥分校研究團隊提出 ACT3D,讓視覺語言模型透過強化學習學會在 3D 空間中主動移動與觀察,而非依賴多視角輸入。

    研究論文1 個來源10/20 上午06:15自動生成
  2. MAC-AutoML 發布 RoTA-Bench:GPT-5.6-Sol 三維空間推理成功率僅 17%

    研究團隊 MAC-AutoML 提出 RoTA-Bench,透過互動式投影對齊任務評估視覺語言模型的三維空間推理能力。測試顯示 GPT-5.6-Sol 在 674 個任務中僅成功 17%,而 20 名大學生參與者以 100% 成功率完成測試集,顯示人機差距仍顯著。

    研究論文1 個來源10/18 上午04:17自動生成