KI News: Kurz und klar.

In klinischen Arbeitsabläufen tauchen multimodale Sprachmodelle (MLLMs) immer häufiger auf, doch ihre Fähigkeit, komplexe medizinische Fragestellungen zu lösen, bleibt unklar. Mit dem neuen Benchmark Med‑CMR wird diese Lücke geschlossen.

Die neue Studie „ENACT“ stellt Vision‑Language‑Modelle (VLMs) einer einzigartigen Herausforderung gegenüber: Sie prüfen, ob diese Systeme wirklich aus sensorisch-motorischer Interaktion lernen oder lediglich passiv beobachten. Durch die Einführung eines Benchmarks, der die Bewertung von eingebetteter Kognition als Weltmodellierung aus egoszentrischer Sicht in einem Visual‑Question‑Answering‑Format (VQA) gestaltet, wird die Frage konkret beantwortet.

Ein innovatives KI-Framework nutzt Szenengraphen, um realistische Bilder von Arbeitsunfällen zu erzeugen. Durch die Analyse von OSHA-Berichten mit GPT‑4o werden strukturierte Gefahrenanalysen extrahiert und in objektbezogene Graphen überführt, die räumliche und kontextuelle Beziehungen abbilden.