Hugging Face · 每日论文·2026-10-15 04:00· 2 天前AI 评分52

CoWorld Reasoner：基于视频世界模型的智能体多模态推理框架

CoWorld Reasoner: Agentic Multimodal Reasoning with the Evolving Video World Model-Driven Harness

AI 导读

CoWorld Reasoner 是一个基于视频世界模型（VWM）的智能体推理框架，通过工具和技能引导大语言模型进行灵活的视觉想象，支持空间、时间与因果推理。该框架在七项基准测试中优于直接推理，最高相对准确率提升13.0%（ERQA），并实现工具、技能与执行代码的联合演化。