NVIDIA SpatialClaw:代码即动作接口,免训练提升 VLM 空间推理

NVIDIA 团队发布论文 SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning,核心主张是「代码才是空间推理的正确动作接口」,该工作已被 NeurIPS 2026 接收。框架免训练、无需针对模型定制,让视觉语言模型(VLM)以智能体方式完成 3D/4D 空间推理,在 20 个空间推理基准上为多款前沿模型带来平均 11.2 分的显著提升,其中 GPT-6 Astra 达到 71.3 分,四款前沿模型最多提升约 15 分。

已确认

为什么重要

2026-09-29 ~ 2026-09-30 · 5 条相关

一手来源