待验证50% 置信观点精确时间
PSGAgent的意义不仅限于PSG任务本身,它为多模态大模型在需要精细视觉推理的场景中提供了一种可借鉴的范式——让模型学会主动感知,而非被动接收。
1
来源数
50%
置信度
长期有效
时效性
2026/11/6
首次发现
来源
涉及实体
相关事实
待验证在推理阶段,DSP不直接使用玩耍策略执行任务,而是让玩耍策略为模型预测控制(MPC)提出候选动作序列,MPC基于世界模型评估并选择最优动作。65% 相似待验证POV生成任务要求模型具备空间推理能力,本质上是一种隐含的三维场景重建与视角变换任务64% 相似已验证监督微调(SFT)使用'提示-回答'示例对模型进行训练,让模型学会以对话形式响应,从而使输出更连贯63% 相似待验证应用于PSG任务的多模态大语言模型(MLLM)作为静态观察者,受限于固定分辨率视图,常忽略涉及小物体或边缘物体的关键关系,并难以区分模糊谓词。63% 相似待验证Scholé Scenarios 是一套 agentic(智能体驱动)的学习系统,根据学习者在情景演练中的实际表现动态决定接下来学什么练什么62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1141786API
curl https://kongchang.com/api/v1/knowledge/claims/1141786MCP
get_claim(id=1141786)