XNews

北京智源がEmu3.5を発表:次の世界状態を予測する統一マルチモーダル世界モデル

北京智源がEmu3.5を発表:次の世界状態を予測する統一マルチモーダル世界モデル

北京智源研究院は、画像、テキスト、動画をトークンとして統合し、次のトークンを予測することで学習するマルチモーダル世界モデルEmu3.5を発表しました(次の状態予測、NSP)。Emu3.5は、空間的関係、時間的ダイナミクス、物理的因果関係を捉えることを目指しており、画像、テキスト、動画を別々に扱うのではなく、モダリティを超えて「次の瞬間の世界」を予測します。

Source posts