MV-STRIDE

新的MV-STRIDE数据集提升多模态大语言模型空间推理能力

研究人员推出MV-STRIDE，一个旨在增强多模态大语言模型（MLLMs）多视图空间推理能力的新型数据集。该数据集通过显式建模感知、场景理解和推理之间的分层认知通路和相互依赖性，解决了当前MLLMs的一个关键局限性。MV-STRIDE采用系统化的QA生成流程，并结合认知导向的思维链监督，以确保复杂的推理能力并防止单视图可解性，从而在MMSI-Bench等空间推理基准测试中取得了最先进的性能。