R4：基于检索增强的4D时空视觉语言模型推理

这篇ArXiv文章介绍了R4，这是一种通过在4D时空框架内结合检索增强推理来增强视觉语言模型的新方法。这标志着在解决理解和推理动态视觉数据的复杂性方面迈出了重要一步。

• •R4 提出了一种新的视觉语言理解方法。
• •这项研究侧重于 4D 时空推理。
• •该方法结合了检索增强推理。