Planificación espacial visual con autodestilación de brecha de modalidad
MGSD mejora la planificación espacial visual un 19% mediante autodestilación consciente de brecha de modalidad, cerrando la brecha percepción-razonamiento.
#razonamiento espacial
LongSpace: Memoria espacial de largo plazo – percepción y recuerdo en video
Descubre LongSpace, un framework de memoria espacial para videos largos que mejora la comprensión de rutas y objetos. Ideal para IA en robótica y conducción.
GeoVR: Aprendizaje de representaciones geométricas para MLLM espaciales
Descubre GeoVR, un nuevo enfoque que enseña a los modelos multimodales a comprender el espacio 3D usando solo videos 2D. Resultados estatales del arte en razonamiento espacial.
De lo simbólico a lo geométrico: razonamiento espacial en LLMs
Descubre cómo el nuevo SLM integra representaciones geométricas para lograr razonamiento espacial real en LLMs, superando métodos simbólicos tradicionales.
Tokens de Percepción Imaginativa Mejoran Razonamiento Espacial
Los Tokens de Percepción Imaginativa (IPT) mejoran el razonamiento espacial en modelos multimodales sin generar imágenes. Aumento del 3.4% en precisión en conteo multivista.
Respuesta a preguntas 3D Zero-Shot mediante transporte jerárquico de vista a token
Descubre cómo KeyVT optimiza la selección de vistas y tokens para responder preguntas sobre escenas 3D sin entrenamiento, superando a métodos existentes.
Cuándo y cuánto imaginar: Escalado adaptativo con modelos del mundo para razonamiento espacial
Descubre cuándo y cuánto imaginar en razonamiento espacial visual. AVIC optimiza el uso de modelos del mundo, superando a GPT-4o con menos recursos.
Límites del razonamiento espacial en LLMs de frontera
Los LLM de frontera fallan en rotación mental incluso con ayuda externa. Estudio: solo 62.5% de precisión. Descubre por qué carecen de primitivas visuales.
Mapa jerárquico semántico-geométrico para navegación visual-lingüística
Descubre cómo un mapa jerárquico semántico-geométrico permite navegar en 3D con instrucciones de lenguaje, superando métodos supervisados.
Diversidad sobre frecuencia: repensar uso de herramientas en agentes visuales
La diversidad en exploración supera a la frecuencia de uso de herramientas. Descubre el colapso y cómo la regularización de entropía mejora el razonamiento.
Destilando programas neuro-simbólicos en LLMs 3D multimodales
Descubre cómo APEIRIA combina la transparencia del razonamiento simbólico con la flexibilidad de los LLMs 3D para mejorar el razonamiento espacial. ¡Lee más!
PlanarBench: Evaluando Razonamiento Espacial de LLMs con Grafos Planos
PlanarBench evalúa la capacidad de los LLMs para dibujar grafos planos en ASCII. Descubre cómo el número de aristas predice el rendimiento de 91 modelos.
Ver no es saber: cuándo los VLMs deberían abstenerse
¿Los VLMs saben cuándo abstenerse? Un estudio revela que fallan en preguntas espaciales con oclusión o ambigüedad, respondiendo con exceso de confianza. Descubre por qué.
Espada, escudo y talón de Aquiles: sesgo lingüístico en LLM para navegación
Descubre cómo la estructura lingüística y los sesgos en los LLM afectan la navegación espacial. La topología protege, la semántica puede engañar.
MechVQA: Evaluando LLMs multimodales en dibujos mecánicos
MechVQA: el primer dataset completo para evaluar LLMs multimodales en dibujos mecánicos. Supera a modelos cerrados con un 7.57% de precisión extra.
SpatialAct: Probando el razonamiento-acción espacial de VLMs
Los VLMs son buenos en razonamiento espacial pero fallan en interacciones multiturno. SpatialAct revela la brecha entre percepción y acción en 3D.
ERGeoBench: Benchmark de geolocalización encarnada en MLLMs
ERGeoBench evalúa la geolocalización encarnada de modelos multimodales usando razonamiento espacial y percepción visual. Descubre sus limitaciones.
AtomWorld: Un benchmark para evaluar el razonamiento espacial en modelos de lenguaje grandes sobre materiales cristalinos
<meta name=description content=Descubre AtomWorld un benchmark de razonamiento espacial para LLMs en materiales cristalinos. Evalúa la comprensión 3D de la IA en estructuras atómicas.>
¿Construyen los LLMs modelos del mundo a partir de texto? Un diagnóstico multilingüe del razonamiento espacial
<meta content=Descubre si los LLMs realmente construyen modelos del mundo. Un análisis multilingüe del razonamiento espacial en inteligencia artificial.>