arXiv发布WOVEN提升多模态推理

发生了什么

据arXiv cs.LG论文，研究者提出WOVEN训练源与基准，旨在解决多模态大模型在空间、物理及时间推理上的缺陷。该研究利用视频预训练生成模型构建包含36,076个示例的数据集，涵盖20种场景、5种动作和8种推理类型。实验显示，仅使用约2,000条子集训练即可使22/26的外部基准测试提升最高27.3个百分点，且WOVEN数据可替代任务自身30-50%的训练数据并保持相当精度。