SpatialClaw:让 VLM 智能体用 Python 做空间推理,免训练提升 11.2 分
_akhaliq · x · 2026-09-30
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」。
- 方法:让 VLM 驱动的智能体在持久化 Python kernel 中写代码,可以组合感知模块、检查中间结果、跨步骤修正策略;完全免训练,不针对特定 benchmark 或模型做适配。
- 结果:在 20 个 benchmark 上比近期的先验智能体高出 +11.2 分,并且在六个 VLM backbone 上都能稳定提升。
- 意义:重新思考智能体的动作接口设计,用代码执行替代直接动作输出,即可显著提升空间推理能力,且方法通用、即插即用。
所属事件:NVIDIA SpatialClaw 免训练代码接口提升 VLM 空间推理(5 条相关)→
「编程与Agent」频道最新
- Hugging Face datatrove 发布 0.10.1,修复空文档崩溃与 skip 参数失效 — vanstriendaniel · 2026-09-30
- 开源框架 Arbor 让 AI agent 自主长期科研,无需人类逐步监督 — burkov · 2026-09-30
- 开源编码 agent Aster 发布:本地运行、自选模型、零遥测 — saheedniyi_02 · 2026-09-30
- Gorgias 四人团队 3-4 周搭好公司大脑,前一年铺垫才是关键 — femke_plantinga · 2026-09-30
- WiFi 拦不住 Amp：用 Mac Mini 做 Tailscale 出口节点穿墙 — iannuttall · 2026-09-30
- 用 grep 补刀 AI 编码盲区,抓出重复哈希等低级代码问题 — antoine_chaffin · 2026-09-30