研究提出S-Space多模态空间推理表示

Zhiyuan Shi 等作者发表论文，提出多模态语言模型内部存在一个线性表示子空间 S-Space：物体 token 的表示在其中编码水平、垂直和距离三个连续坐标轴。 论文称，该空间是模型固有的，在非空间问题下仍可读取；感知将物体位置编码其中，内部推理可随视角变化对其进行变换，语言回答则选择性地访问它。研究还将其用作诊断工具，发现多模态语言模型能形成空间表示，但在视角变化所需的变换上存在瓶颈。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。