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