$\Psi$-0.6: 통합된 비전-언어 세계 모델에서의 적응형 사고 스트림

arXiv:2610.32177v1 발표 유형: 신규 초록: 인간은 문제의 전개 과정에서 다양한 형태의 추론을 유연하게 결합함으로써 물리적 세계에 대해 사고한다. 이러한 유연성을 구현하는 것은 AI 분야의 주요한 미해결 과제로, 기능들이 종종 각각의 전문 모델들로 분리되어 있어 이를 어떻게 조합하고 특정 작업에 맞춰 공동으로 적응시킬 수 있는지가 제한된다. 우리는 $\Psi$-0.6을 소개한다. 이는 시각-언어 통합 세계 모델로서, 사고의 흐름이라 부르는 공유된 추론 프로세스 내에서 지각, 언어, 기하학 및 시뮬레이션을 적응적으로 구성한다. 이러한 흐름들은 이미지, 텍스트, 그리고 기하학과 운동에 대한 명시적 표현을 서로 교차하며, 이 모든 요소를 모델이 공유된 토큰 인터페이스를 통해 생성하고 해석할 수 있다. $\Psi$-0.6은 다중 시점 공간에 대한 제로샷 성능에서 선도적인 오픈 웨이트 모델들을 능가한다.