BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

R^3-VQA: 通过视频社交推理“读懂房间”

💡 原文中文，约500字，阅读约需2分钟。
📝

内容提要

本研究提出了新的视频数据集R^3-VQA，以解决社交推理任务的复杂性不足问题。研究表明，现有视觉语言模型在复杂社交场景中的推理能力仍低于人类，而心理理论的应用可以提升其社交推理能力。

🏷️

标签

R^3-VQA 复杂场景 心理理论 社交推理 视觉语言模型
➡️

继续阅读

  1. Witbe 推出用于视频测试自动化的 AI 模型
    Witbe推出自研视觉语言模型Witbe VLMs，用于视频测试自动化，与通用模型协同工作。该模型针对机顶盒等特定场景训练，性能不逊于前沿模型，且延迟更低...
  2. Kimi K3 模型结构（0）：一张图看懂 Kimi K3
    Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
  3. 入蜀记 day467 小小的真理
    「小小的真理。」
  4. 入蜀记 day466 近谿
    「近谿。」
  5. 入蜀记 day465 一点秋高气爽
    「一点秋高气爽。」
  6. Minmax H3中英提示词效果差异测试 - 蝈蝈俊
    作者测试了MiniMax H3视频生成模型，用中英文提示词生成同一首诗的视频，发现宏观效果差别不大，仅微观细节略有不同。原因是简单指令语义重叠，且随机性干...
👤 个人中心
在公众号发送验证码完成验证