arXiv · Computer Vision· Jinchang Zhang, Guoyu Lu·2026-10-05 12:00· 16 小时前AI 评分34

多模态大语言模型能看见并说出空间事实却不会使用：SpaceConflict 基准与 OSS 监督方法

Seeing, Saying, but Not Using: From Reportable Spatial Facts to Usable States in Multimodal Large Language Models

AI 导读

研究提出 SpaceConflict 基准，含 23,196 条输入，覆盖 L1 事实绑定、L2 关系组合、L3 跨观察一致性、L4 变换下状态判断四级空间状态构建与使用。