VLM脑中真有一张3D地图？匹兹堡大学挖出了新证据
VLM脑中真有一张3D地图？匹兹堡大学挖出了新证据看一段房间视频，视觉语言模型（VLM）能够认出桌子、椅子和柜子。但在它的内部，这些物体是按颜色、形状组织在一起，还是形成了一张包含邻接关系的空间地图？
来自主题: AI技术研报
8017 点击 2026-10-20 16:22
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
看一段房间视频，视觉语言模型（VLM）能够认出桌子、椅子和柜子。但在它的内部，这些物体是按颜色、形状组织在一起，还是形成了一张包含邻接关系的空间地图？
最近，一款《小王子》3D 剧情游戏，在 X 上火了。
即便通用大模型的图像、视频能力越来越强，消费者依然持续为垂直创意工具付费
皮克斯最新3D渲染教程采用禾赛科技Kosmo采集的真实场景3DGS数据，禾赛称Kosmo可融合多传感器数据并输出3DGS、mesh和depth，为机器人训练提供物理AI数据终端。
最近几部AI短片神作，刷爆全网。
他用了16天，把《小王子》做成了一款能玩的3D剧情游戏。
开一家3D打印鞋店，原本需要30天，现在只用7天。
Anthropic，怕是又憋了个大的！
Z Potentials 独家获悉，上海半图科技（SemiGraph）已完成单轮超过千万美元融资，由联想创投等多家国内及海外一线资本领投，老股东IDG资本持续加码。本轮融资将主要用于人类行为模型研发、数据体系建设、团队扩充，以及AI原生3D互动场景的产品化落地。
大语言模型为什么能 scale？一个重要基础是，海量来源各异的知识，被统一进了同一种输入输出空间 —— 文本。输入是文本，输出也是文本，主干模型在这个统一空间中学习、组合与迁移知识。那么，具身智能要获得类似的泛化能力，通往 Physical AGI，它的 “原生统一空间” 是什么？