arXiv Computer Vision· Mahdieh Mallahnezhad, Masoud Jafaripour, Mohamadali Tofigh, Sheila Schoepp, Osmar R. Zaiane·· 4 小时前AI 评分24
面向多模态大模型空间推理的数据中心化综述
Towards a Data-Centric Understanding of Spatial Reasoning in Multimodal Large Language Models
AI 导读
一篇综述系统梳理了面向空间推理任务微调预训练多模态大模型（MLLM）的方法，涵盖监督学习到强化学习，重点关注所用数据集。研究按数据集设计、构建与评估分为三类，总结出规则模板、LLM 提示、程序化生成和人在回路四种固定空间标注构建方法，并指出评估方法在评分、容差指标和基准类型上差异显著。
来源：arXiv Computer Vision · arxiv.org