论文提出统一世界模型 Ψ-0.6，用思维流组合多种推理形式。
资讯摘要
论文提出 Ψ-0.6，一个统一的视觉语言世界模型，在共享推理过程中自适应组合感知、语言、几何与模拟，称为“思维流”。这些流通过共享 token 接口交错生成和解读图像、文本及几何与运动的显式表示。作者报告其在多视角空间推理上零样本超过领先开放权重模型，并支持反事实模拟；基于任务反馈的强化学习联合优化中间表示的选择、生成与使用。
要点速读
- 论文提出统一视觉语言世界模型 Ψ-0.6，以“思维流”交错图像、文本和几何与运动表示，并通过共享 token 接口生成与解读。
- 作者报告该模型在多视角空间推理上零样本超过领先开放权重模型，借助几何中间表示推理可进一步提升。
- 模型支持反事实模拟，并用以任务反馈的强化学习联合优化中间表示的选择、生成和使用，作者称视觉问答准确率提升可迁移到未见基准。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。