我研究视频推理与视觉语言模型的评测,通过构建基准、开展大规模实验,衡量这些模型如何理解和推理视觉世界,以及它们在哪里失效。
我也关注 Physical AI、世界模型,以及如何让 AI 更可信、更可解释。我是 VBVR-Pro、VBVR 与 Grow AI 的一员。
代表论文
* 共同贡献 · † 共同指导 · ✉ 通讯作者 · ✓ 已录用
A Very Big Video Reasoning Suite (VBVR)
ICML 2026🤗 Hugging Face 当月第一论文 · 2026 年 2 月
arXiv· Website· EvalKit· Data· Benchmark· Leaderboard· Model
Vision Language Models Cannot Reason About Physical Transformation (ConservationBench)
ICML 2026Egocentric Bias in Vision-Language Models (FlipSet)
CogSci 2026🏆 CogSci 2026 Sayan Gul 奖
(最佳本科生论文)
Assessing Perceptual Metacognition in Vision-Language Models
CogSci 2026AGI as Second Being: The Structural-Generative Ontology of Intelligence
预印本「真正的智能,只存在于一个系统能够生成新结构、将其协调为理由,并在时间中维持其同一性之时。」