大模型掌握人类空间思考能力！三阶段训练框架学会“边画边想”，5个基准平均提升18.4%
大模型掌握人类空间思考能力！三阶段训练框架学会“边画边想”，5个基准平均提升18.4%“边看边画，边画边想”，让大模型掌握空间思考能力，结果直接实现空间推理任务新SOTA。
来自主题: AI技术研报
5648 点击 2025-06-21 16:48
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
“边看边画，边画边想”，让大模型掌握空间思考能力，结果直接实现空间推理任务新SOTA。
在信息爆炸的时代，推荐系统已成为我们获取资讯、商品和服务的核心入口。无论是电商平台的 “猜你喜欢”，还是内容应用的信息流，背后都离不开推荐算法的默默耕耘
生成图像这件事，会推理的AI才是好AI。 举个例子，以往要是给AI一句这样的Prompt： （3+6）条命的动物。 我们人类肯定一眼就知道是猫咪，但AI的思考过程却是这样的：
WhobotAl电话数字员工会尽力模仿真人边对话边操作的场景。
GUI智能体总是出错， 甚至是不可逆的错误。 即使是像GPT-4o这样的顶级多模态大模型，也会因为缺乏常识而在执行GUI任务时犯错。在它即将执行错误决策时，需要有人提醒它出错了。
深夜，沉寂已久的Kimi突然发布了新模型—— 开源代码模型Kimi-Dev，在SWE-bench Verified上以60.4%的成绩取得开源SOTA。
想象一下：你正在浏览社交媒体，看到一张震撼的图片或一段令人震撼的视频。它栩栩如生，细节丰富，让你不禁信以为真。但它究竟是真实记录，还是由顶尖 AI 精心炮制的「杰作」？如果一个 AI 工具告诉你这是「假的」，它能进一步解释理由吗？它能清晰指出图像中不合常理的光影，或是视频里一闪而过的时序破绽吗？
昨天，谷歌DeepMind与谷歌研究团队正式推出交互式气象平台Weather Lab，用于共享人工智能天气模型。在热带气旋路径预测方面，谷歌这次的新模型刷新SOTA，是首个在性能上明确超越主流物理模型的AI预测模型。
4月份，李飞飞教授领先编制的《2025年人工智能指数报告》提供的数据显示，2024年全年具有特殊影响力的模型（Notable AI models）当中，排名前5的几乎都来自美国、中国的科技巨头。
想象一下，你是一位游戏设计师，正在为一个奇幻 RPG 游戏搭建场景。你需要创建一个 "精灵族树屋村落"—— 参天古木和树屋、发光的蘑菇路灯、半透明的纱幔帐篷... 传统工作流程中，这可能需要数周时间：先手工建模每个 3D 资产，再逐个调整位置和材质，最后反复测试光照效果…… 总之就是一个字，难。