IXThinker·2025-06-04 12:10

5700問答拷問AI空間感 新基準登場

杯子在我的左邊還是右邊？這類對人類輕而易舉的問題，連GPT-4o級別的視覺語言大模型也可能答錯。浙大、電子科技大學與香港中文大學團隊針對此提出空間智能評測基準。

症結所在

現有視覺語言大模型從大規模圖文數據中學到的空間資訊往往零碎、僅限靜態視角，缺乏多維度、多視角的空間推理能力，面對相關任務便頻頻失手。