WOVEN 教 MLLM 视觉状态转移推理，跨任务泛化显著

研究团队发布 WOVEN，探索多模态大模型的世界模型训练，将世界建模视为状态转移 p(s′|s,a)，聚焦视觉转移推理：推断 (s,a,s′) 三元组中未被观测的部分。实验表明，视觉转移推理可作为共享原语带来跨任务迁移能力，在 26 项基准中有 22 项获得提升，为 MLLM 的世界模型训练提供了新路径。

2026-10-10 ~ 2026-10-10 · 2 条相关