arXiv cs.CV· Mahdieh Mallahnezhad, Masoud Jafaripour, Mohamadali Tofigh, Sheila Schoepp, Osmar R. Zaiane·· 4 小时前AI 评分31
以数据为中心理解多模态大语言模型（MLLM）的空间推理
Towards a Data-Centric Understanding of Spatial Reasoning in Multimodal Large Language Models
AI 导读
一篇综述梳理了微调预训练 MLLM 完成空间推理任务的数据相关方法，覆盖监督学习到强化学习，并按数据集设计、数据集构建与评估分为三类。构建固定空间标注的主流方法有规则与模板、LLM prompting、程序化生成和 human-in-the-loop 四种，评估则在打分方法、容差指标和 benchmark 类型上差异显著。
来源：arXiv cs.CV · arxiv.org