Hugging Face · 每日论文· 媒体 / 作者来源·精选
人类在太空：多模态大型语言模型能否通过主动外向探索构建以人为中心的空间理解？
原文标题
Humans in Space: Can MLLMs Construct Human-Centric Spatial Understanding via Active Exocentric Exploration?
AI 导读
研究人员提出SATE-Bench，一个包含316个真实场景和2,525个多轮问答对的新交互基准，用于评估视觉自我意识和主动外向视图探索。研究发现，最先进的MLLMs在探索过程中过早终止，并在细粒度的3D几何任务上表现不佳。此外，使用组相对策略优化（GRPO）进行微调表明，奖励视图寻求会增加主动探索但降低整体准确性。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
SATE-Bench基准的提出为评估MLLMs的空间理解能力提供了新的方法，揭示了当前模型在主动空间推理方面的局限性。
导读由模型辅助整理，非独立核验。完整信息见原文。