跳到正文
arXiv · AI· Tianjun Gu, Jingyu Gong, Zhizhong Zhang, Yuan Xie, Lizhuang Ma, Xin Tan, Athanasios V. Vasilakos·· 4 天前AI 评分25

视觉语言模型在物理动力学与意图推理上落后于人类表现

Vision-language models lag human performance on physical dynamics and intent reasoning

AI 导读

summary_zh: 研究人员提出 Teleo-Spatial Intelligence 并提出 EscherVerse 数据集,包含 11,328 个真实世界视频。

来源:arXiv · AI · arxiv.org