NVIDIAの研究者が、動画キャプションに物理推論を加えるPhysis-Langを公開

NVIDIAの研究者が、動画キャプションに物理推論を加えるオープンで自己進化するフレームワーク、Physis-Langを公開した。キャプションは、場面がなぜ、どのように展開するかを説明するもので、NVIDIA AIによると、ワールドモデルのファインチューニングと、動画生成時にその推論をプロンプトへ加える用途の両方に使われる。

NVIDIA AIによると、物理推論をプロンプトに加えるだけで、再学習なしにNVIDIA Cosmos 3のPhyGenBenchスコアが5.62ポイント向上した。Physis-Langの論文とプロジェクトページはオンラインで公開されている。