中文(ZH) VLM 在预测性空间推理上的缺口还有多大？21 个模型，最高准确率仅 58.0%

新基准揭示视觉语言模型在预测性空间推理方面存在困难

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-13 02:59

浙江大学的研究人员推出SpaceCast-Bench，这是一个旨在评估视觉语言模型（VLMs）预测性空间推理能力的新基准。该基准评估VLMs在转换或干预后，即使没有改变状态的直接视觉输入，也能推断空间关系的能力。在涉及21个VLMs的测试中，最高准确率仅为58.0%，远低于人类基准的87.2%。值得注意的是，专门的空间模型表现不如通用模型，这表明当前的训练方法可能未能充分解决预测性空间推理的复杂性。 AI

影响这项研究突显了当前视觉语言模型在推理空间变化方面存在重大差距，表明需要改进架构和训练方法以应用于现实世界的机器人应用。

排序理由该集群描述了一个用于评估AI模型的新学术基准，以及关于其性能的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]

在雷峰网 (Leiphone) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 21 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个用于评估AI模型的新学术基准，以及关于其性能的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

雷峰网 (Leiphone) TIER_1 中文(ZH) · 2026-11-13 02:59

视觉语言模型（VLMs）在预测性空间推理方面差距有多大？21个模型，最高准确率仅为58.0%

<section style="text-align: center; margin: 0px 16px; line-height: 1.75em; display: block;"><img class="rich_pages wxw-img" src="https://static.leiphone.com/uploads/new/images/20261110/6af2ed37691b1.jpg?imageMogr2/quality/90" style="width: 100%; display: inline-block; text-align:…

本文如何被排名

报道来源 [1]

视觉语言模型（VLMs）在预测性空间推理方面差距有多大？21个模型，最高准确率仅为58.0%

相关实体

相关话题