跳到正文
Hugging Face Daily Papers·· 2026-10-15精选AI 评分80

CoWorld Reasoner:基于演进式视频世界模型的代理多模态推理

CoWorld Reasoner: Agentic Multimodal Reasoning with the Evolving Video World Model-Driven Harness

AI 导读

论文介绍 CoWorld Reasoner 框架,该框架将视频世界模型(VWM)作为统一的视觉推理引擎,通过工具调用和技能引导 VLM 进行灵活的视觉想象与空间、因果及感知推理。

推荐理由

提出利用视频世界模型作为统一视觉推理引擎的代理框架,在多项基准测试中优于直接推理。

来源:Hugging Face Daily Papers · arxiv.org