「空间推理」成大厂竞逐焦点，为什么让大模型理解「内外远近」更重要？

研究表明，多模态大语言模型（MLLM）在空间推理方面远逊于人类。空间推理对物体间空间关系的理解和推理是实现环境导航、地图理解等应用的关键。为弥补这一差距，谷歌、微软等大厂及AI创企正积极研发，探索从不同角度和方法来增强模型的空间推理能力。研究者还提出了视觉空间智能的能力框架，包括视觉感知、语言智能等四类，并构建了评估MLLMs空间信息处理能力的基准测试。这标志着空间推理已成为AI领域的关键发展方向。
来源：https://mp.weixin.qq.com/s/nHCGZiGzmI3WBN8w748vTQ