两篇新研究论文介绍了用于提高大型视觉语言模型（LVLM）空间推理能力的基准和框架。第一篇论文详细介绍的GeoSpatialBench，使用真实世界的城市数据评估模型在理解和编辑空间配置方面的能力，揭示了被动识别和主动操作之间存在的显著差距。第二篇论文提出了SpatialASM框架，通过模拟视角适应和心理重构来训练LVLM内化“主动空间心智化”，从而在各种空间推理任务中取得性能提升。 AI
影响 这些进步可能带来更强大的机器人、导航和物理环境理解AI系统。
排序理由 两篇在arXiv上发表的研究论文，介绍了用于AI空间推理的新基准和框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.12881v1 Announce Type: new Abstract: Understanding and manipulating spatial relations is fundamental to AI systems that reason about physical environments and construct grounded world models. However, existing evaluations of multimodal large language models (MLLMs) for…
arXiv:2610.13832v1 Announce Type: cross Abstract: When solving complex spatial reasoning tasks, ordinary humans naturally revisit the scenes from task-relevant viewpoints and mentally reconstruct the spatial layouts from those viewpoints. But can Large Vision-Language Models (LVL…