什么是AI模型的推理能力

NVIDIA 的数据工厂团队为 NVIDIA Cosmos Reason 等 AI 模型奠定了基础，该模型近日在 Hugging Face 的物理推理模型排行榜中位列榜首。

AI 模型正以惊人的速度与规模不断发展。

但它们缺少了人类与生俱来的哪种能力呢？答案是“常识”。常识是一种通过现实生活经验形成的认知：比如鸟类无法倒着飞、镜子能够反射、冰会融化成水。

对人类而言，这些常识显而易见。但对于需要精准回答复杂问题、在工业仓库或道路等不可预测的物理环境中运行的 AI 模型来说，这些知识必须通过“教学”才能掌握。

为解决这一难题，NVIDIA 正在开发一套测试方案，旨在教会 AI 模型认知物理世界的运行边界。简言之，就是教会 AI 常识。

这些测试被用于开发推理模型，比如 NVIDIA Cosmos Reason。这是一款用于物理 AI 应用的开源视觉语言推理模型（VLM），能够生成具有时间关联性的响应。目前，Cosmos Reason 已在 Hugging Face 的物理推理模型排行榜中位居第一。

相较于传统视觉语言模型，NVIDIA Cosmos Reason 的独特价值在于：它专为加速机器人、自动驾驶汽车及智能空间等物理 AI 的开发而设计，能够基于物理常识知识，对之前没有经历过的场景进行推理。

要让 AI 模型真正理解工业空间、实验室等复杂环境，需从基础认知开始构建。例如，在下方展示的测试中，NVIDIA Cosmos Reason 需要回答关于视频中和相对运动有关的选择题。

NVIDIA Cosmos Reason 评估数据集的示例

什么是 AI 模型的推理能力？

为提升模型的推理能力，NVIDIA 采用‌强化学习‌的方式，让模型学习关于现实世界的物理常识。

举例说明，机器人无法凭直觉分辨左、右、上、下，它们需要通过训练才能理解这些时空概念；用于安全测试，比如汽车碰撞测试的 AI 驱动机器人，也必须经过训练才能理解自身物理形态如何与周围环境互动。

如果在训练过程中没有教会机器人常识，在实际部署时就可能出现问题。

NVIDIA Cosmos Reason 研究科学家 Yin Cui 表示：“如果缺乏对物理世界的基础认知，机器人可能跌倒，或者导致意外损毁物品，进而对人员及环境的安全构成威胁。”

NVIDIA 正通过将人类对物理世界的常识“注入”AI 模型，推动下一代 AI 的发展。

NVIDIA 数据工厂团队由来自生物工程、商业和语言学等多元背景的全球分析师构成，他们致力于开发、分析并整合数十万条数据单元，为生成式 AI 的推理训练提供核心数据支撑。

数据整理流程

NVIDIA 数据工厂团队的核心项目之一，是开发面向物理 AI 应用的世界基础模型。这些虚拟环境能构建深度学习神经网络，基于仿真场景为推理模型训练提供更安全、更高效的支持。

NVIDIA 数据标注团队率先启动流程，他们基于真实世界视频数据设计问答对。视频内容涵盖各类场景，从鸡在鸡舍中活动，到汽车在乡间道路行驶。

例如，某个标注员可能会针对下面的视频提出问题：“画面中的人是用哪只手切意大利面？”

NVIDIA Cosmos Reason 评估数据集的示例

随后，标注员会给出 A、B、C、D 四个选项。模型获取这些数据后，进行推理并选择正确答案。

Yin Cui 表示：“我们本质上是在给模型设计测试题。所有问题都采用选择题形式，就像学生在学校考试中遇到的题目一样。”

这些问答对随后由 Michelle Li 等 NVIDIA 的分析师进行质量检查。

Li 拥有公共卫生和数据分析学背景，这让她能够从更宏观的角度看待所分析的数据。

她说：“对于物理 AI ，我们的特定目标是训练模型理解物理世界，这一目标让我在审核问答对和问题类型时，始终保持全局视角。我会问自己，这些问答对是否符合项目的目标和准则要求？”

之后，数据会由项目的数据工厂负责人审核，确保其符合质量标准并可交付至 NVIDIA Cosmos Reason 研究团队。科学家们随后将数十万条数据单元（即问答对）输入模型，通过强化学习训练其理解物理世界的边界和限制。

推理型 AI 有哪些应用场景？

推理模型的优势在于，它们既能理解自身所处的时空环境，也能预测结果。这类模型可分析情境，生成可能结果的逻辑思维网络，并推断出最可能的场景。

简而言之，推理式 AI 展现了类似人类的思维。它会展示思考过程，让用户能够理解其响应背后的逻辑。

用户可要求模型分析视频内容，如两辆车在路上行驶的场景。当被问到“如果这两辆车在同一车道上相向而行会发生什么？”时，模型能够推理并判定该假设情景的最可能结果，比如两车相撞。

NVIDIA Cosmos Reason 团队首席研究科学家 Tsung-Yi Lin 表示：“我们正在开发一种以物理 AI 为核心的突破性推理模型。“

随着 NVIDIA 持续推进推理模型创新，数据工厂团队的高质量数据生产能力，将对开发能安全与现实世界交互的自主的智能体以及物理 AI 系统起到关键作用。

您可以在 Hugging Face 和 GitHub 预览或下载 NVIDIA Cosmos-Reason1 模型。