О нас | Демо | Модели и наборы данных | Тесты | Как запустить локально | AlphaMaze, разработанная Menlo Research, представляет собой новую модель для оценки и улучшения визуального мышления в рамках LLM. AlphaMaze бросает вызов моделям с обманчиво простой задачей: решить лабиринты, представленные полностью в текстовом виде. Мы дополнительно расширяем возможности AlphaMaze, используя метод GRPO (обобщенная относительная оптимизация политики). Предыдущие исследования, такие как «Мультимодальная визуализация мысли (MVoT)» Microsoft, изучали визуальное мышление посредством генерации изображений. Но AlphaMaze идет по другому, более целенаправленному пути. Мы считаем, что если модель может внутренне реконструировать лабиринт по текстовому описанию и использовать эту мысленную карту для планирования своих ходов, она демонстрирует подлинную способность к визуальному мышлению – даже без создания единого изображения. AlphaMaze выходит за рамки ограничений оценок с множественным выбором, обеспечивая более полную и детальную оценку пространственного понимания модели. Мы не просто проверяем, сможет ли модель пройти лабиринт; мы раскрываем, как он думает о космосе. AlphaMaze решает текстовый лабиринт! Посмотрите, как он интерпретирует лабиринт, планирует свои движения и стратегически перезагружается, когда сталкивается с тупиком. Ты…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: Menlo
Теги: qwen2, text-generation-inference, unsloth, trl, conversational, en, endpoints_compatible
Лайков: 93 | Загрузок: 31
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
