New York University（纽约大学）

Characterizing Language Use in a Collaborative Situated Game

协作情境游戏中的语言使用特征分析

Nicholas Tomlin, Naitian Zhou, Eve Fleisig, Liangyuan Chen, Téa Wright, Lauren Vinh, Laura X. Ma, Seun Eisape, Ellie French, Tingting Du, Tianjiao Zhang, Alexander Koller, Alane Suhr

机构 * UC Berkeley（伯克利大学） ； NYU（纽约大学） ； Saarland University（萨尔兰大学） 纠错

AI总结 本研究通过收集Portal 2协作模式中的对话数据，分析了复杂情境下玩家语言使用的特征，揭示了空间指称、澄清修复及临时约定等现象，并公开了包含多模态数据的语料库以支持进一步研究。

SAT: Dynamic Spatial Aptitude Training for Multimodal Language Models

SAT：多模态语言模型的动态空间能力训练

Arijit Ray, Jiafei Duan, Ellis Brown, Reuben Tan, Dina Bashkirova, Rose Hendrix, Kiana Ehsani, Aniruddha Kembhavi, Bryan A. Plummer, Ranjay Krishna, Kuo-Hao Zeng, Kate Saenko

机构 * Boston University（波士顿大学） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院） ； Microsoft Research（微软研究院） ； New York University（纽约大学） 纠错

AI总结 SAT通过模拟数据提升多模态语言模型在动态空间推理中的能力，实验表明其在多个基准测试中优于现有方法。

Comments Accepted to COLM 2025. Project webpage: https://arijitray.com/SAT/