arXiv cs.CL· Hongxing Li, Jinyue Su, Dingming Li, Wenqi Zhang, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen·· 9 天前AI 评分38
SpaceCast-Bench：评估视觉语言模型的预测性空间推理
SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models
AI 导读
研究者推出 SpaceCast-Bench，首个直接诊断预测性空间推理的基准，基于 observe-transform-infer 框架，从 182 个真实场景构建 3,862 道题，覆盖静态感知、局部预测、全局预测三个层级共 16 种任务。
正文 · AI 翻译
摘要：现有的空间推理基准主要测试空间感知：读取输入中已经可见的关系。然而，现实世界的空间智能需要预测性空间推理：从观测中构建场景，预测干预会如何改变它，并对未见的结果进行推理。我们提出了 SpaceCast-Bench，这是首个直接且具有诊断性地评估这一能力的基准。它围绕观察-变换-推断框架构建，包含来自 182 个真实场景的 3,862 个问题，涵盖三个层次的 16 种任务类型：静态感知、局部预测和全局预测，逐步要求场景理解、空间状态更新以及对未观测结果的关系推理。对 21 个模型的评估揭示出明显差距：最强模型仅达到 58.0%，而人类表现为 87.2%，同时空间专用模型仍接近随机水平。受控分析进一步表明，桥接视图对于整合分布式观测至关重要，并且显式 3D 证据比生成的结果图像或视频更可靠地使模型受益。在我们程序化生成的数据上进行微调，将 Qwen3-VL-4B 从 34.0% 提升至 65.7%，并在六个域外基准上取得宏观平均提升。
| 评论： | 代码：this https URL 数据集：this https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.12402 [cs.CV] |
| （或 arXiv:2610.12402v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12402 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hongxing Li [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 17:44:17 UTC（6,601 KB）
来源：arXiv cs.CL · arxiv.org