Визуално разсъждение (Visual Reasoning in Latent Space)

Визуалното разсъждение описва способността на AI моделите да разбират геометрия, физически релации, функционални чертежи и пространствени структури.

Съвременните изследвания се стремят към архитектури, които манипулират и разсъждават директно върху двуизмерни и триизмерни тензорни представяния без загуба на информация при превод в езикови токени.