$Ψ$-0.6: Adaptive Streams of Thought in a Unified Vision-Language World Model
Pubblicata su AIChronos il · fonte del · Khai Loong Aw, Klemen Kotar, Baihan Zhang, Yifan Liu, Lilian Chen, Atlas Kazemian
$Ψ$-0.6 è un modello world vision-language unitario che integra adattivamente percezione, linguaggio, geometria e simulazione in processi di ragionamento chiamati 'streams of thought'. Il sistema interleave immagini, testo e rappresentazioni esplicite di movimento attraverso una interfaccia token condivisa per generare e interpretare contenuti multimodali. Questo approccio supera i modelli open-weight esistenti nel ragionamento spaziale multi-view sfruttando intermediari geometrici e supporta la simulazione controfattuale. L'ottimizzazione congiunta tramite reinforcement learning migliora l'accuratezza nelle risposte a domande visive, con benefici che si trasferiscono anche su benchmark non visti.
- $Ψ$-0.6 unifica percezione e ragionamento in una singola architettura world model adattiva.
- Il modello genera e interpreta immagini, testo e rappresentazioni geometriche tramite token condivisi.
- Supporta la simulazione controfattuale per valutare scenari ipotetici come ostruzioni di percorsi.
- L'uso di intermediari geometrici migliora le prestazioni nel ragionamento spaziale multi-view zero-shot.
- Il reinforcement learning ottimizza selettivamente l'utilizzo delle rappresentazioni intermedie.
Perché conta. Offre un percorso verso il ragionamento fisico adattivo, permettendo agli sviluppatori di scegliere dinamicamente le rappresentazioni ottimali per compiti specifici. L'architettura unitaria facilita la composizione flessibile di capacità separate (percezione, geometria) senza richiedere modelli specializzati distinti.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.