清华大学的研究人员开发了 Spatial-TTT，一个已入选 ECCV 2026 的开源空间智能模型。该模型擅长从长视频流中持续学习和更新其空间记忆，在多项基准测试中表现优于 Gemini 和 GPT-5 等模型。Spatial-TTT 采用了一种新颖的混合架构，具有用于动态记忆的快速权重、用于更好地理解几何关系的空间预测机制，以及用于构建全面 3D 环境理解的密集场景描述监督。 AI
影响 这项研究推进了多模态人工智能在理解和与动态环境交互方面的能力，可能加速机器人和自主系统等应用。
排序理由 该集群详细介绍了一所大学的一篇新研究论文和模型发布，包括基准测试结果以及与现有模型的比较。[lever_c_demoted from research: ic=1 ai=1.0]
- ECCV 2026
- Gemini
- Gemini 3 Pro
- GPT-5
- International Conference on Computer Vision
- Liu Fangfu
- Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition
- Spatial-TTT
- Tsinghua University
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
