S-Space：探索多模态语言模型中的空间工作区

研究发现 S-Space，即多模态语言模型中物体 token 表征编码水平、垂直与距离连续坐标的线性子空间，它作为内部空间工作区：感知将物体位置编码其中，内部推理随视角变化对其变换，语言回答选择性读取它。因果干预表明改变 S-Space 会改变空间判断而非空间判断之外的回答；用其诊断空间推理失败时发现，模型能形成较强的空间表征，却在跨视角变换上存在瓶颈。