标签：空间推理

（由多段落组成） 在三维空间理解任务中，让视觉语言模型生成合理且符合物理规则的场景布局仍是一项挑战。例如，“请将这些家具合理摆放在房间中”，尽管现有模型可以识别图像中的物体并给出语义连贯的描述，但通常缺乏对三维空间结构的真实建模，难以满足基本的物理约束与功能合理性。 为解决这一问题，研究者尝试采用多智能体交互方法优化布局结果。然而，这类方法不仅计算成本高，而且容易陷入死锁。另一类方法通过构建大规模真实房间布局的描述语料，结合监督微调（Supervised Fine-Tuning, SFT）训练模型。虽然这种方式...

期待2025年AI领域的新突破：从推理到空间智能 随着技术的不断进步，我们对人工智能（AI）的期望也在不断提升。展望2025年，AI领域不仅要在推理能力上取得进展，更需要在视觉空间智能方面实现新的突破。人类凭借视觉空间智能（visual-spatial intelligence），能够通过连续的视觉观察记住并理解复杂的空间环境。然而，多模态大语言模型（MLLM）是否也能具备这种能力呢？ 为了探索这一问题，来自纽约大学、耶鲁大学和斯坦福大学的研究团队引入了VSI-Bench，这是一个基于视频的基准测试工具，旨在评估MLLM在视觉空间智能方面...