SpatialBlock：透過合成積木堆疊問題提升 LVLM 的空間智慧
為何重要
此研究指出了利用低成本合成資料來強化 LVLM「空間邏輯」的潛力，解決了依賴昂貴稀少標註的真實場景訓練瓶頸。它提供了一個可直接應用的工具（資料集與程式碼）來驗證「模擬即可學習真實」的假設，對於重視推理能力而非僅僅是感知能力的產品發展者具有重要參考價值。
大型視覺-語言模型 在重建和推理影像中 3D 結構的能力上仍受限，且傳統依賴真實場景標註的方法成本高昂且易產生噪聲。研究團隊提出受人類認知啟發的新範式，透過結構化積木操作任務來增強空間技能，並發布了合成資料集 SpatialBlock-15k。