Hugging Face Daily Papers·· 6 天前精选AI 评分48
WOVEN：把视觉世界建模织入多模态大模型
WOVEN: Weaving Visual World Modeling into Multimodal LLMs
AI 导读
论文提出 WOVEN，一个面向视觉状态转移推理的训练数据源与基准，按场景、动作和推理类型组织监督信号，包含 20 种场景、5 种动作、8 种推理类型共 36,076 个样本。
推荐理由
论文给出视觉状态转移推理的训练数据与基准，并验证其可跨任务迁移，为多模态世界模型训练提供可复用配方。
来源：Hugging Face Daily Papers · huggingface.co