Industry & Practice · Tagged “视频”

Research & Benchmarks/2026-09-30/10 min

看见强、判断弱：PhysVista 用三段闭环测视觉语言模型的物理智能

字节参与的 PhysVista 用看见、推理、评估闭环评 VLM 的物理智能。2060 题来自真实与生成视频。感知加权最高 68.59%，尺度最高只有 43.33%；Doubao 时序 91.33%，预测只有 35.56%。