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%
← До новин

Дослідники NVIDIA представили Physis-Lang для фізично точнішої генерації відео

Дослідники NVIDIA, MIT та Оксфордського університету представили Physis-Lang — систему, що використовує мовні описи фізики для вдосконалення відео-моделей світу. До звичайних підписів вона додає інформацію про об’єкти, причини, взаємодії, фізичні принципи, зміни в часі та наслідки. Також система створює окремі негативні підказки для сцени, які описують неправдоподібні результати, наприклад камінь, що тримається на воді.

Модель створення підписів залишається незмінною, тоді як агент еволюції переглядає її інструкцію на основі оцінок Gemini-3.1-Pro. У PhysCapBench, що містить 246 відео та 3 794 перевірені людьми твердження, показник F1 для підписів зріс із 78.64 на першій ітерації до 87.82 на дев’ятій. Відбір даних за мовними описами сформував набір зі 183K відео й у середньому додав 3.01 бала у трьох бенчмарках.

У зрізі рейтингу Physics-IQ Verified від 29 вересня 2026 року Cosmos3-Super із Physis-Lang посів перше місце з результатом 48.2 ± 1.4, а Cosmos3-Nano — друге з 43.3 ± 1.5. У тестах із Cosmos3-Nano система перевершила Veo 3.1 у трьох із чотирьох бенчмарків, а загальна якість за VBench-I2V майже не змінилася. Статтю опубліковано, але станом на 30 вересня 2026 року код і ваги моделей не були доступні.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини