MME-CoT：專為評估大型多模態模型CoT推理能力的基準測試。涵蓋了數學、科學、OCR、邏輯、時空和一般場景6個領域
隨著LLMs的快速發展，其在推理能力方面的表現引起了廣泛關注。近年來，CoT作為一種有效的推理方法，在LLMs中取得了顯著成果。然而，對于LMMs而言，CoT推理的影響和效果仍缺乏系統評估。LMMs結合了語言和視覺信息處理能力，在圖像識別、視頻理解等視覺任務中表現出色，但其在多模態推理任務中的表現尚
s1K 數據集：是一個用于提升語言模型推理能力的高質量數據集。包含 1,000 個問題，每個問題都配有詳細的 推理路徑 和 答案。
近年來，語言模型（LMs）在大規模預訓練的基礎上取得了顯著進展，其性能提升主要依賴于訓練時計算資源的增加。然而，隨著模型規模的不斷擴大，訓練成本也急劇上升。為了在有限的資源下進一步提升模型性能，研究者們開始探索一種新的范式——測試時擴展（test-time scaling），即在推理階段增加計算資源
UniScene：以占用為中心的統一駕駛場景生成
生成高保真、可控和帶注釋的訓練數據對于自動駕駛至關重要。現有方法通常直接從粗略的場景布局生成單一數據形式，這不僅無法輸出各種下游任務所需的豐富數據形式，而且難以建模直接的布局到數據分布。UniScene 是一個用于生成駕駛場景中三種關鍵數據形式（語義占用、視頻和激光雷達）的統一框架。UniScene
Omni-Scene：以自我為中心稀疏視圖場景重建的全高斯表征
本文對不同的表征進行深入分析，并引入**全高斯（Omni-Gaussian）**表征和定制的網絡設計來補充它們的優勢并彌補缺點。實驗表明，該方法在以自我為中心重建方面明顯優于 pixelSplat 和 MVSplat，并且在以場景為中心的重建方面取得了與先前研究相當的性能。此外，利用擴散模型擴展該方
-
共1頁 4條
