跳到正文
热点事件持续更新

SpatialCLI框架与基准发布,VLM空间推理提升

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Yang Zhou等作者提出SpatialCLI框架和SpatialCLI-Bench基准,让视觉语言模型(VLM)先调用专业视觉模型作为空间工具进行推理,再逐步内化这些工具提供的感知能力。 据作者报告,在MindCube上,Qwen3-VL-8B-Instruct借助工具从29.3%提升至84.6%,高于同样使用工具的GPT-5.6 Sol(72.1%);内化后不再使用工具仍保留73.8%。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. arXiv cs.AI
    SpatialCLI:让 VLM 先借助空间工具推理,再逐步内化这些能力

    SpatialCLI 框架通过“调用工具—学习使用—内化能力”三阶段,让 VLM 借助专业视觉模型作为空间工具提升感知,再将这些能力内化。在 MindCube 上,Qwen3-VL-8B-Instruct 借助工具从 29.3% 提升至 84.6%,超过同样使用工具的 GPT-5.6 Sol(72.1%),内化后无工具仍保留 73.8%。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。