深度｜大模型的空间直觉从哪里来，又为什么会失灵？MirroS在S-Space里找答案
深度｜大模型的空间直觉从哪里来，又为什么会失灵？MirroS在S-Space里找答案多模态模型的空间推理，有一种很反直觉的现象：它能看懂图里有什么，也能回答简单的左右上下，却会在换视角、判断方位、推理前后关系时突然失灵。
来自主题: AI资讯
5902 点击 2026-09-09 15:22
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
多模态模型的空间推理，有一种很反直觉的现象：它能看懂图里有什么，也能回答简单的左右上下，却会在换视角、判断方位、推理前后关系时突然失灵。
最近，GPT-6 Astra 的三维建模与空间理解 demo 引发关注。它能在 Blender 中搭建带家具和庭院的住宅，再将场景转入 Unreal Engine 5，让人能走进房间、打开柜门，甚至操作咖啡机。
DeepSeek 突然上线限时内测模型 DeepSeek V4.1 Flash，采用新模型结构并原生支持多模态，在生成速度、使用成本和中文长文写作等实测中表现优于以往版本，DeepSeek 期望其在保持 Flash 速度与价格优势的同时，能力向 V4 Pro 靠拢。
随着Office AI和文档智能体的发展，大模型开始直接处理财报、合同、研究报告等长篇图文材料。
图形学宗师童欣正式加盟胡渊鸣创办的AI 3D公司Meshy出任首席科学家，将负责制定长期科研战略，与胡渊鸣共同推进多模态世界模型与实时交互系统突破，朝着"AI for Fun"的愿景迈进。
前DeepSeek核心研究员魏浩然近日带队加入百度基础模型研发部，出任文心大模型多模态算法负责人，负责端到端OCR等方向，其此前主导的Unlimited OCR模型曾在OmniDocBench评测中取得全球第一。
AI制药公司Owkin与勃林格殷格翰达成许可协议，将人工智能科学家K Pro及多模态患者数据用于肿瘤学和免疫学多个适应症的药物发现，K Pro已将Owkin内部药物靶点识别速度提升70%。
颜水成团队发布语音领域首个实时“流式双脑架构”记忆框架，左脑记信息，右脑记住你。 编辑丨岑峰 科幻电影曾无数次预演过AI与人类共生的场景。但在2026年的今天，尽管GPT-4o、全双工模型、Inter
强化学习与可验证奖励（RLVR）已成为提升视觉语言模型（VLM）推理能力的标配手段。但一个隐蔽的问题始终存在：最终答案的奖励信号，只告诉模型「答对了没有」，却从不告诉它「答案应该从图像的哪个区域得出」。答对，可能是因为真的看懂了图，也可能只是语言先验的捷径、数据集的偏差，甚至是一次幸运的瞎猜。
大视觉语言模型（LVLM）把语言理解扩展到了图像等多模态输入，同时，也带来了更隐蔽的攻击面。