SpaceCast-Bench 发布：21个模型预测空间推理最高仅58.0%

SpaceCast-Bench 论文作者发布预测空间推理评测基准，用 observe-transform-infer 框架评测21个视觉语言模型，最强模型仅得58.0%，而人类表现为87.2%，空间专用模型接近随机水平。该基准含182个真实场景的3,862道题、16类任务，分静态感知、局部预测、全局预测三级。 论文作者称，用其程序生成数据微调 Qwen3-VL-4B，可将成绩从34.0%提升到65.7%，并在六个域外基准上取得宏平均提升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。