研究人员推出 ProVisE 框架，旨在通过允许图像生成模型直接以像素而非文本或坐标进行响应来评估其空间认知能力。该方法在论文“Show, Don't Tell”中进行了详细介绍，旨在弥合评估具有不同输出接口的模型之间的差距。该研究还提出了 SpatialGen-Bench，一个包含 470 个样本、涵盖 14 个空间子任务的新基准，用于比较文本输出的视觉语言模型 (VLM) 和图像生成模型。研究结果表明，在空间答案可视化时，图像生成模型的表现具有竞争力，而基于文本的模型在组合推理方面表现出色。 AI
影响 为生成模型中的空间推理建立了一种新的评估方法，可能影响未来的基准设计和模型开发。
排序理由 该集群包含一篇研究论文，介绍了一个新的 AI 模型基准和评估框架。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Spatial intelligence is essential for agents to move from static semantic understanding toward interacting with the physical world. Many spatial tasks are grounded in continuous visual scenes, where locations, regions, and paths are more naturally expressed by pointing, marking, …
arXiv:2607.21072v1 Announce Type: new Abstract: Spatial intelligence is essential for agents to move from static semantic understanding toward interacting with the physical world. Many spatial tasks are grounded in continuous visual scenes, where locations, regions, and paths are…