NVIDIA 发布 AI Reasoning Cosmos 世界模型

这篇 NVIDIA 博客把 Cosmos Reason 模型背后的训练流水线公开化，主题是怎么把"物理常识"教给 AI。系统的目标是让模型理解鸟不能倒飞、镜子会反射、冰会化水这类对人显而易见、对机器并不自然的规律。NVIDIA 由此构建了一系列测试用于训练 vision language model，Cosmos Reason 是其中专为机器人、自动驾驶与智能空间设计的物理推理模型，发布当天登顶 Hugging Face 的物理推理榜单。

推动模型迭代的核心组织是 NVIDIA data factory team，由生物工程、商业、语言学等不同背景的分析师组成。流程从标注组开始：他们围绕真实视频生成多选题，从鸡群在鸡舍走动到乡村道路上的汽车，问题形如"画面中人用哪只手切意大利面"，并给出 A 到 D 四个选项。Cosmos Reason 研究员 Yin Cui 把这种范式概括为给模型出考卷。生成的题目先经分析师 Michelle Li 等人质检，再由项目负责人复核，最终交给研究团队用强化学习训练数十万样本。

模型最终展示出的能力是带有人类风格的思维链。在被问到两辆车迎面行驶将会发生什么时，Cosmos Reason 能展开可能结果的推理网络并给出最可能的判断，并把推理过程一并暴露。Tsung-Yi Lin 把它定位为面向物理 AI 的开创性推理模型。文章传递的信息是：数据工厂的高质量人类标注，是物理 AI 走出虚拟世界、安全与真实物理环境互动的前提。