SpaceCast-Bench：评测VLM预测性空间推理
AI 总结
该论文提出 SpaceCast-Bench，作者称其为首个直接、诊断性地评测“预测性空间推理”的基准：模型需从观察中构建场景、预判干预带来的变化，并推断未观察到的结果。基准基于 observe-transform-infer 框架，包含来自 182 个真实场景的 3,862 道题，覆盖静态感知、局部预测、全局预测三个层级共 16 类任务。对 21 个模型的评测显示，最强模型仅达 58.0%，人类表现为 87.2%，而空间专用模型接近随机水平；在程序生成数据上微调后，Qwen3-VL-4B 从 34.0% 提升至 65.7%，并在六个域外基准上取得宏观平均提升。
深度见解
结果显示当前视觉语言模型在预测未观察到的空间结果上仍与人类差距明显，该基准可作为后续空间智能研究的诊断工具。
Computer Science > Computer Vision and Pattern Recognition
arXiv:2610.12402 (cs)
[Submitted on 8 Oct 2026]
Title:SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models
Authors:Hongxing Li, Jinyue Su, Dingming Li, Wenqi Zhang, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen
View a PDF of the paper titled SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models, by Hongxing Li and 7 other authors