IXThinker·2025-01-14 17:00

李飛飛謝賽寧組新基準 考多模態LLM空間思維

李飛飛、謝賽寧團隊圍繞空間智能的最新工作於線上報告中解讀。研究提出影片基準VSI-Bench，檢驗多模態大語言模型能否像人類一樣觀察、記憶與回憶空間。

研究問題

人類具備從連續視覺訊號中記憶空間的視覺空間智能。在百萬規模影片數據集上訓練的多模態大語言模型，是否也具備這種空間思維能力，是研究的出發點。