谢赛宁、李飞飞「空间智能」新作：多模态大模型仍难突破空间推理

谢赛宁和李飞飞团队研究了多模态大语言模型（MLLMs）在空间推理方面的能力。研究发现，尽管MLLMs在视觉空间智能方面显示出一定的能力，但空间推理仍然是其性能提升的主要瓶颈。研究通过新的视觉空间智能基准（VSI-Bench）测试了MLLMs的空间推理能力，发现这些模型在处理复杂的空间关系和视角转换时表现不佳。研究还指出，现有的语言推理技术对提升空间推理能力帮助有限，未来需要开发更有效的空间记忆机制。