Sakhanda Wire
NVDA $152.58 -2.28% MSFT $506.11 -2.29% GOOGL $279.81 -1.38% META $619.07 -1.17% AMZN $256.55 -0.47%
← Към новините

Екип на NVIDIA представи Physis-Lang за по-точна физика във видеата

Изследователи от NVIDIA, MIT и Оксфорд представиха Physis-Lang — рамка, която използва езикови описания на физиката, за да подобри видео световните модели. Към стандартните надписи тя добавя обяснения за обектите, причините, взаимодействията, физичните принципи, развитието във времето и резултатите. Системата създава и специфични за сцената отрицателни подсказки за неправдоподобни изходи, например камък, който се носи върху вода.

Надписващият модел остава фиксиран, докато агент за еволюция променя инструкциите му според оценките на Gemini-3.1-Pro. В PhysCapBench, който включва 246 видеа и 3 794 проверени от хора твърдения, F1 резултатът за надписите се е повишил от 78.64 при първата итерация до 87.82 при деветата. Езиково насоченото извличане е формирало набор от 183K видеа и е добавило средно 3.01 точки в три бенчмарка.

В моментната класация Physics-IQ Verified от 29 септември 2026 г. Cosmos3-Super с Physis-Lang е първи с 48.2 ± 1.4, а Cosmos3-Nano е втори с 43.3 ± 1.5. При сравнение с Cosmos3-Nano системата изпреварва Veo 3.1 в три от четири теста, без съществена промяна в общото качество по VBench-I2V. Публикувана е статията, но към 30 септември 2026 г. кодът и теглата не са публични.

Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.

Първоначално публикувано от MarkTechPost на

Прочетете оригинала в MarkTechPost ↗

Репортажът и изображението принадлежат на MarkTechPost и са посочени по-горе с връзка към оригинала; текстът на тази страница е собствено изложение на Sakhanda Wire.

← Към новините

Още новини

Всички последни новини