世界模型作为多模态桥梁：利用视频预测模型为大语言模型注入物理世界常识.docx

下载文档

0
0
约3.16万字
约 38页
2026-01-06 发布于湖北
举报
版权申诉
保障服务

世界模型作为多模态桥梁：利用视频预测模型为大语言模型注入物理世界常识.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

PAGE

PAGE1

《世界模型作为多模态桥梁：利用视频预测模型为大语言模型注入物理世界常识》

课题分析与写作指导

本课题《世界模型作为多模态桥梁：利用视频预测模型为大语言模型注入物理世界常识》旨在探索解决当前大语言模型在具身智能与物理世界交互中存在的“常识缺失”与“幻觉”问题。随着以Transformer和扩散模型为代表的生成式人工智能技术的飞速发展，尤其是以Sora为代表的视频生成模型展现出的惊人物理模拟能力，为构建能够理解、预测并推理物理动态的“世界模型”提供了新的技术路径。本研究的核心在于探讨如何利用视频预测模型作为多模态接口，将视觉序列中蕴含的物理规律（如物体持久性、重力