注目★★★★★Hugging Face Papers
物理世界を実行可能コード化、Code-as-WorldがVLMの推論を刷新
30秒で把握
- 1研究チームが物理世界を実行可能コードで表すCode-as-Worldを提案
- 2自然言語や動画から仮説を生成・実行・検証し反復的に修正
- 3Code-as-World-VLがQuantiPhyで最先端性能、主要 proprietary modelを超過
要約
研究チームは、物理世界の構成・動的変化・見た目を実行可能コードで表す「Code-as-World」を提案した。自然言語や実世界動画から、エージェントが仮説を生成・実行・描画・検証し、反復的に修正する発見ループを開発した。検証済みの実行可能ワールドを物理推論の教師データとして使い、視覚言語モデルを学習させた。Code-as-World-VLはQuantiPhyで最先端性能を達成し、主要な proprietary modelを上回った。
あなたへの影響
物理シミュレーションやVLMを扱う日本のエンジニアは、Code-as-World-VLの再現性と自社タスクでの定量推論性能を次の評価スプリントで検証するとよい。
推奨：実行可能ワールドは、観測画像を状態・力学・機構へ変換する表現を指す。