浙大团队提出ProVisE框架：让生成式模型通过图像作画回答空间问题

摘要与判断

浙江大学OmniAI团队提出ProVisE框架，旨在让图像生成模型通过直接在图像上作画（如标记目标、绘制轨迹）来回答空间问题，而非强制输出坐标或文本。团队同时构建了涵盖14项子任务的SpatialGen-Bench基准，评测发现图像生成模型在空间直觉任务上具备竞争力且与文本VLM形成互补，但文本VLM在抽象推理上仍保持领先。该研究为探索视觉模型的空间认知能力提供了新路径，指出理解、生成与验证的协同或将更接近通用空间智能。

Topics

引用和原文

• 让生成式模型「画」出空间智能，而非强迫LLM输出「坐标」! 浙大提出Agentic空间认知评估框架
• 原文链接

Trace

Raw Item

raw_f75ba3c90a8a42f8

Processed Item

processed_9e768c16826e450b

Source

source_wechat_jiqizhixin

Cluster

查看所属簇

LLM Logs

llm_29a04feb8d034c76, llm_5cb64afd9c104e9b, llm_ef19fa5c79de4e8e

Coze Loop

e496f6d0525ff6e9ed5b2c4c5b3ba0a9