IXThinker·2025-01-14 13:10

多模態模型懂不懂空間 VSI-Bench給答案

一場線上報告解讀李飛飛、謝賽寧工作組的空間智能研究「Thinking in Space」，探討多模態大語言模型能否從影片中觀察、記憶與回憶空間，並剖析測評方法與差距。

問題緣起

人類能從連續視覺訊號中記住空間佈局，這種視覺空間智能被視為理解物理世界的基礎。模型看過海量影片後是否也學會空間思維，此前缺乏系統檢驗。