多模态大模型空间推理数据综述

2026年10月15日，arXiv Computer Vision 刊出一篇由 Mahdieh Mallahnezhad 等人发表的综述论文，系统梳理面向空间推理任务微调预训练多模态大语言模型（MLLM）的方法，涵盖从监督学习到强化学习，并重点关注所用数据集。该综述按数据集设计、构建与评估将研究分为三类，总结出规则模板、LLM 提示、程序化生成和人在回路四种固定的空间标注构建方法，同时指出评估方法在评分、容差指标和基准类型上差异显著。截至该报道，事件进展即为这篇综述的发布及其对相关方法与数据集的整理归纳。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。