符号图形Symbolic Graphics程序，LLM是如何理解的，马克斯·普朗克研究所、剑桥与麻省理工最新揭秘

文章预览

点击上方 蓝字 关注我 本文：6700字 阅读  15分钟   大语言模型（LLM）真的能"看懂"图像吗？ 它们能否仅通过文字描述就"想象"出图像的样子？ 这些问题不仅关乎AI的认知能力，更涉及到人类智能的本质。 来自马克斯·普朗克智能系统研究所、剑桥大学和麻省理工学院的研究团队近期发表了一篇开创性论文，首次系统性地探索了大语言模型理解符号图形程序的能力。 图片由修猫创作 01 为什么要研究符号图形程序？ 符号图形程序是一种用代码描述图像或3D模型的方法。与普通的像素图像不同，符号图形程序可以精确地定义图形的几何结构和语义信息。例如，一个简单的SVG代码就可以描述一个完整的图标，而CAD程序则可以定义复杂的3D模型。 研究者选择符号图形程序作为研究对象，有以下几个原因： 1. 程序性表示： 符号图形程序提供了一种结构化的 ………………………………