会员服务
On the Intrinsic Limits of Transformer Image Embeddings in Non-Solvable Spatial Reasoning
Arxiv
0+阅读 · 1月6日
Thinking with Blueprints: Assisting Vision-Language Models in Spatial Reasoning via Structured Object Representation
Arxiv
0+阅读 · 1月5日
Fine-Grained Preference Optimization Improves Spatial Reasoning in VLMs
Arxiv
0+阅读 · 1月5日
CubeBench: Diagnosing Interactive, Long-Horizon Spatial Reasoning Under Partial Observations
Arxiv
0+阅读 · 1月1日
From Building Blocks to Planning: Multi-Step Spatial Reasoning in LLMs with Reinforcement Learning
Arxiv
0+阅读 · 2025年12月31日
CubeBench: Diagnosing Interactive, Long-Horizon Spatial Reasoning Under Partial Observations
Arxiv
0+阅读 · 2025年12月30日
SpatialMosaic: A Multiview VLM Dataset for Partial Visibility
Arxiv
0+阅读 · 2025年12月29日
CubeBench: Diagnosing Interactive, Long-Horizon Spatial Reasoning Under Partial Observations
Arxiv
0+阅读 · 2025年12月29日
Geo3DVQA: Evaluating Vision-Language Models for 3D Geospatial Reasoning from Aerial Imagery
Arxiv
0+阅读 · 2025年12月21日
RemoteReasoner: Towards Unifying Geospatial Reasoning Workflow
Arxiv
0+阅读 · 2025年12月23日
ImagineNav++: Prompting Vision-Language Models as Embodied Navigator through Scene Imagination
Arxiv
0+阅读 · 2025年12月19日
JEPA-Reasoner: Decoupling Latent Reasoning from Token Generation
Arxiv
0+阅读 · 2025年12月22日
Transductive Visual Programming: Evolving Tool Libraries from Experience for Spatial Reasoning
Arxiv
0+阅读 · 2025年12月24日
SAT: Dynamic Spatial Aptitude Training for Multimodal Language Models
Arxiv
0+阅读 · 2025年12月4日
SpaceMind: Camera-Guided Modality Fusion for Spatial Reasoning in Vision-Language Models
Arxiv
0+阅读 · 2025年11月28日
参考链接
微信扫码咨询专知VIP会员
Top