Hugging Face发布SpatialASM框架：革新大模型空间推理能力

摘要：Hugging Face推出SpatialASM框架，旨在提升大语言视觉模型（LVLMs）在复杂空间推理任务中的表现。SpatialASM通过训练时的空间模拟，将主动空间心智化（ASM）能力内化到模型中，并生成显式的ASM轨迹和视角任务来增强模型对多视角和跨视角推理的理解。实验结果表明，SpatialASM在七个空间推理基准测试中显著提升了模型平均准确率，同时保持了模型原有的通用视觉能力。

---

核心突破

Hugging Face的研究团队推出了名为SpatialASM的新框架，旨在解决当前大语言视觉模型（LVLMs）在复杂空间推理任务中表现不足的问题。SpatialASM的核心创新点在于：

1. 主动空间心智化（ASM）：ASM是一种让模型像人类一样从任务相关视角重新审视场景并重构空间布局的能力。SpatialASM通过训练时的空间模拟，将这种能力内化到模型中。

2. 显式ASM轨迹与视角任务：SpatialASM采用了一种基于自中心视角生成器的方法，生成显式的ASM轨迹，指导模型在空间推理过程中何时以及如何调用视角规划和想象能力。此外，模型还通过自动构建的视角任务来增强基于视角的场景想象能力。

技术机制剖析

SpatialASM框架的核心组件包括：

• 自中心视角生成器：该组件负责生成假设视角，并将其与视觉证据相结合，为模型提供多视角的空间理解支持。

• ASM轨迹生成：通过显式的轨迹数据，模型被教导在推理过程中如何自适应地调用视角规划和想象能力。

• 视角任务构建：自动构建的视角任务进一步增强了模型在多图像、跨视角和视角变换推理任务中的表现。

工程权衡与实测表现

SpatialASM在多个空间推理基准测试中表现出色，包括相对感知导向的空间理解任务和更复杂的需要多图像、跨视角和视角变换推理的任务。实验结果表明，SpatialASM在七个基准测试中平均准确率提升了显著幅度，同时保持了模型原有的通用视觉能力。

然而，SpatialASM也面临一些权衡：

• 训练开销增加：由于引入了额外的空间模拟和视角任务，训练时间有所增加。

• 模型复杂性提升：ASM轨迹和视角任务的引入增加了模型的复杂性，可能对部署和推理速度产生一定影响。

开发者落地与部署建议

对于开发者而言，SpatialASM提供了一种新的思路来提升大语言视觉模型在空间推理任务中的表现。以下是一些建议：

• 评估模型需求：在引入SpatialASM之前，开发者应评估其应用场景是否需要强大的空间推理能力，以确定是否值得增加训练和推理开销。

• 优化训练流程：利用分布式训练和混合精度计算等技术，可以缓解SpatialASM带来的训练开销。

• 结合其他技术：SpatialASM可以与其他技术（如多模态融合、注意力机制优化）结合，进一步提升模型性能。

总结

SpatialASM框架为大语言视觉模型在空间推理任务中的表现提供了新的突破。尽管面临一些训练和复杂性方面的挑战，其在多个基准测试中的优异表现展示了其在实际应用中的巨大潜力。

---

消息来源：Hugging Face Daily Papers (2026-10-09)

—— 完 ——

主题标签： #Hugging Face 关注 #大语言模型 关注 #空间推理 关注 #视觉语言模型 关注 #主动心智化 关注