搜索
SSI-Bench是首个在约束流形中评估模型空间推理能力的基准，强调真实结构与约束条件，通过排序任务考察模型是否能准确理解三维结构的几何与拓扑关系，揭示当前大模型在空间智能上严重依赖2D信息，实际表现远低于人类。研究指出，模型需提升三维构型识别和约束推理能力，才能真正理解空间问题。
来自阿里高德的一篇最新 ICLR 2026 中稿论文《Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models》提出了面向文生图空间智能的系统性评估基准 SpatialGenEval，旨在通过长文本、高信息密度的 T2I prompt 设计，以及围绕空间感知
一次拿下10亿美金，惊爆硅谷！就在刚刚，李飞飞「明星初创」World Labs官宣：成功斩获高达10亿美元的全新一轮融资。此轮融资，投资人阵容堪称豪华——
李飞飞博士，感谢你接受《Fortt Knox》和CNBC的访谈，也感谢你抽出时间。人们称你为“AI教母”，因为你在塑造今天商业世界正在进入的这一现实中，做了大量奠基性的工作。事情的发展，和你当初预想的一样吗？
2025 年，随着李飞飞等学者将 “空间智能”（Spatial Intelligence）推向聚光灯下，这一领域迅速成为了大模型竞逐的新高地。通用大模型和各类专家模型纷纷在诸多室内空间推理基准上刷新 SOTA，似乎 AI 在训练中已经更好地读懂了三维空间。
她是当代人工智能界最具象征意义的女性科学家之一。提到人工智能领域，李飞飞（Fei-Fei Li）无疑是最醒目的那一个。1976年出生的她，早年在美求学，1999年以物理学荣誉学士毕业于普林斯顿大学，随后在加州理工学院获得电气工程博士学位。
空间理解能力是多模态大语言模型（MLLMs）走向真实物理世界，成为 “通用型智能助手” 的关键基础。但现有的空间智能评测基准往往有两类问题：一类高度依赖模板生成，限制了问题的多样性；另一类仅聚焦于某一种空间任务与受限场景，因此很难全面检验模型在真实世界中对空间的理解与推理能力。
在空间智能（Spatial Intelligence）飞速发展的今天，全景视角因其 360° 的环绕覆盖能力，成为了机器人导航、自动驾驶及虚拟现实的核心基石。然而，全景深度估计长期面临 “数据荒” 与 “模型泛化差” 的瓶颈。
AI游戏的“空间”新方向。一天三变的 AI 圈，新技术的涌现仍然在催生无数个新方向。比如茶馆君最近在小红书上发现了一款名为《森盒》的游戏。他们凭借一个“AI 装修”的核心玩法受到了用户的追捧，从今年上半年在小红书、抖音等平台走红，不断量产数万赞的爆款笔记。截至目前已经在全网收获了超过百万的粉丝。
中山大学等机构推出SpatialDreamer，通过主动心理想象和空间推理，显著提升了复杂空间任务的性能。模拟人类主动探索、想象和推理的过程，解决了现有模型在视角变换等任务中的局限，为人工智能的空间智能发展开辟了新路径。