跳到正文
arXiv · 机器人与计算机视觉· Enhan Li, Jinghao Zhou, Jiaze Zhang, Hongyang Du·· 12 小时前AI 评分42

SpatialCast:通过投影阴影评估空间推理能力的基准

SpatialCast: Reading the 3D World via Cast Shadows

AI 导读

SpatialCast 是一个利用投射阴影评估模型连接物理场景条件与视觉观察能力的基准,包含 21,000 个合成问题和 200 个真实场景问题。评测显示闭源多模态大语言模型优于通用开源权重及空间推理专用模型,后者在合成基准上表现接近随机猜测。研究还利用该数据对 GRPO 进行后训练,提升了开源模型性能并验证了其在外部空间基准上的迁移能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org