The Best Models Still Reason Like Toddlers — Andrew Dai, Elorian

摘要

Andrew Dai 指出當前前沿模型在視覺推理上存在嚴重缺陷，容易因模式匹配而產生幻覺，無法處理需要空間定位與長期記憶的複雜任務。他提出 Elorian 的解決方案，透過自訂視覺推理資料集、合成資料飛輪及原生視覺思維鏈，讓模型具備類人的空間與時間智慧。

Andrew Dai exposes the hallucination and reasoning gaps in current frontier models and introduces Elorian's approach to native visual thinking for robotics and design.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 當前模型在複雜空間與時間任務中容易產生幻覺。
• 現有基準測試因解析度不足無法真實反映視覺推理能力。
• Elorian 透過原生視覺思維鏈與自訂資料解決此問題。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00Frontier models versus human visual reasoning
2. 00:56Chessboard hallucination: pattern matching that hurts
3. 02:32Catan roads, robot arms, and context amnesia
4. 04:09Understanding versus reasoning: the one second test
5. 05:44Why the popular benchmarks do not measure it
6. 08:03The missing paradigm: visual thinking, not generation or labels
7. 09:38Elorian's approach and visual chain of thought
8. 11:01The team, from GLaM to Gemini
9. 12:14Use cases: robotics, construction, mechanical design
10. 17:36Where to find out more

提到的工具與公司

• Elorian
• Claude
• Chat GBD
• Gemini
• MMU
• SAM 3
• YOLO

適合誰看

正在開發或部署需要視覺推理能力的機器人、建築或機械設計系統的工程師。

摘要依據

講者

Andrew Dai

依據

自動字幕

為什麼排在這裡

人氣

0.66

新鮮

0.95

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 谷歌AI的14年、Gemini翻身之战，与视觉理解模型：专访DeepMind前核心科学家Andrew Dai｜Neolabs特辑影片 ・ 硅谷101 ・ 1 小時 4 分（在新分頁開啟原站）
• 谷歌核心AI科学家：“大语言模型和世界模型都是错误路线”影片 ・ 硅谷101 ・ 3 分鐘
• Why Hallucinations Aren’t What You Think影片 ・ Jason Liu ・ 55 分鐘（在新分頁開啟原站）
• DeepMind Just Changed How AI Sees The World影片 ・ Two Minute Papers ・ 5 分鐘（在新分頁開啟原站）
• Inside the World's Smartest Robot Brain [VLA]影片 ・ Welch Labs ・ 35 分鐘（在新分頁開啟原站）
• Why Vision Language Models Ignore What They See with Munawar Hayat - #758Podcast ・ The TWIML AI Podcast ・ 58 分鐘