机器之心·· 2026-10-20AI 评分43
匹兹堡大学研究发现 VLM 隐空间存在 3D 场景拓扑结构
VLM脑中真有一张3D地图?匹兹堡大学挖出了新证据
AI 导读
匹兹堡大学团队发现视觉语言模型(VLM)隐空间中间层包含可检验的 3D 场景拓扑结构。 研究通过跨场景特征分离与低维可视化,证实模型内部表征呈现圆环、网格等空间结构,并推导了基于 Dirichlet 能量的数学依据。 将空间方向干预加入微调目标后,Qwen2.5-VL-7B 在 VSI-Bench 简单相对方向任务准确率由 47.9% 升至 60.0%。
来源:机器之心 · mp.weixin.qq.com