arXiv · cs.AI· Mahdieh Mallahnezhad, Masoud Jafaripour, Mohamadali Tofigh, Sheila Schoepp, Osmar R. Zaiane·· 8 小时前
多模态大语言模型空间推理的数据中心综述
Towards a Data-Centric Understanding of Spatial Reasoning in Multimodal Large Language Models
arXiv:2610.19108v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mahdieh Mallahnezhad, Masoud Jafaripour, Mohamadali Tofigh, Sheila Schoepp, Osmar R. Zaiane
研究任务与主要进展
一篇 arXiv 综述以数据中心视角梳理微调多模态大语言模型以提升空间推理的方法，覆盖监督学习到强化学习，并重点分析所用数据集。作者将研究归为数据集设计、数据集构建与评估三类，总结出规则模板、LLM 提示、程序化生成和人机协同四种构建固定空间标注的方法，并指出评估方法在评分方式、容差指标和基准类型上差异显著。未来方向包括统一动态标注、高效空间推理、评估标准化、扩展空间范围与人本空间交互。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org