.png){kind=icon}
返回
Embodiment in multimodal large language models
.png){kind=icon}
OA
AI
DOI：10.1016/j.neuron.2026.03.004.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多模态大型语言模型（MLLMs）在连接文本和视觉输入方面展示了非凡能力。然而，在感官丰富且多模态的真实世界环境中，MLLMs在具体的物理和社会交互方面仍存在局限，而生物体的具身体验似乎至关重要。我们建议，MLLM发展的下一个前沿需要融入内部和外部具身——不仅建模与世界的外部交互，还要建模内部状态和驱动力。本文描述了人类内部和外部具身的机制，并将其与当前MLLM在早期阶段与人类表征对齐的进展联系起来。我们的双具身框架提出在MLLM中建模这些具身形式之间的交互，以弥合多模态数据与世界经验之间的差距。
Keyword:
Multimodal large language models
Embodied cognition
Internal embodiment
External embodiment
World experience
期刊
IF:
15
论文数:
1.4W
被引数:
9.9W
机构
引用论文
.png){kind=icon}
The physiology of interoception and its adaptive role in consciousnessSinger, J.; Damasio, A. 内部感觉的生理学及其在意识中的适应性作用。Philos. Trans. R. Soc. B Biol. Sci. 2025, 380, 20240305. [Google Scholar] [CrossRef]
PREAI
分享收藏分享收藏
查看更多内容