Ψ-0.6

NeuroAI Lab 的研究团队发布了 Ψ-0.6 模型。

Ψ-0.6 将推理从单一语言模态扩展到文字、深度图、运动信息、相机位姿和想象生成的场景画面等多种表征形式的组合。

Ψ-0.6 通过强化学习习得在不同表征之间自适应选择的调度策略，模型在训练中学会判断当前任务适合走哪条推理路径。

Ψ-0.6 在 MindCube 复杂空间推理基准上以零样本方式超过了领先的开源权重模型。

Ψ-0.6 在 FlowBench 上预测物体运动方面优于其他世界模型。

Ψ-0.6 在仿真房间数据上训练，却能迁移到真实机器人的桌面操作场景。

Ψ-0.6 的同一个模型同时充当感知器、视觉语言模型、世界模型、推理器和策略网络五个角色。

Ψ-0.6 的论文、代码和项目主页均已公开。

当前关于 Ψ-0.6 的公开信息以作者自述的评测为主，第三方复现和更广泛的基准对比尚待补充。