Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
MentisOculi: визуальные мысли не помогают LLM решать задачи
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Парадокс: картинки в цепочке рассуждений делают модель глупее. UMMs (модели с генерацией изображений) решают пространственные задачи не лучше текстовых, часто — хуже. Исследование показывает как правильно формулировать визуально-пространственные задачи для LLM (планировка, движение объектов, геометрия). Переведите визуальную информацию в структурированный текст (координаты, размеры, углы) вместо загрузки картинки — модели решают в разы лучше. На задаче Rush Hour: с картинкой ~20-40% на простых уровнях, с математическим описанием — намного выше.
Дайджест исследования
Контент доступен только для PRO подписчиков
Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку
Контент доступен только для PRO подписчиков
Чтобы получить доступ к концептам этого исследования, оформите PRO подписку
Простыми словами
Контент доступен только для PRO подписчиков
Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку