香港科技大学等机构联合揭示视觉语言模型的空间行动鸿沟
这项由香港科技大学（广州）、清华大学、中关村学院、赫尔辛基大学联合开展的研究，以预印本形式发布于2026年5月29日，论文编号为arXiv:2605.31148。有兴趣深入了解的读者可通过该编号在arXiv平台查询完整论文。
盲人画家能画出有透视关系的画，会画出会遮挡的画
有个盲人画家，叫埃斯雷夫·阿玛甘。他天生失明，但他能画出带透视关系的画，能画出前面的东西挡住后面东西的画，甚至能画出明暗层次分明的画。科学家扫描他的大脑发现，他画画的时候视觉皮层是活跃的。这件事说明什么？说明一个人即使从来没看过任何东西，脑子里也可能存在一套可用的空间结构模型。
为什么发烧时会做奇怪的噩梦？
Fevers can make quality sleep even harder， thanks in part to fever dreams: especially vivid， weird， or downright disturbing dreams that occur when you have a fever. As the Sleep Foundation explains， fever dreams sometimes involve “spatial distortion，” such as moving walls and melting objects;
SpatialASM：内化主动心智化的空间推理
港中文 / 上海人工智能实验室 / 复旦 / 上海创新研究院等提出 SpatialASM（arXiv:2610.
浙大联合深圳研究机构突破AI视觉"近视"难题
来源：市场资讯（来源：科技行者）这项由浙江大学、深圳卓语科技、北京航空航天大学、电子科技大学、南洋理工大学及香港中文大学（深圳）联合完成的研究，以预印本形式发布于2026年7月30日，论文编号为arXiv:2607.27703。
大模型掌握人类空间思考能力！三阶段训练框架学会“边画边想”
AntResearchNLP团队投稿量子位 | 公众号 QbitAI“边看边画，边画边想”，让大模型掌握空间思考能力，结果直接实现空间推理任务新SOTA。来自蚂蚁技术研究院自然语言组联合中科院自动化所和香港中文大学开源ViLaSR-7B。
AI搭积木：让大模型学会像小孩一样理解三维空间
先说一个让人挺意外的实验结果。研究人员找来一堆图片，画着一个用积木搭出来的3D结构，还标了个箭头，问题很简单：从箭头指的方向看过去，这个积木堆长什么样子？给四个选项，选一个就行。31个人做了这套题，平均准确率95%。然后让GPT-5来做同样的题，准确率只有36.7%。
SURPRISE3D：面向复杂3D场景的空间理解与推理数据集
SURPRISE3D：面向复杂3D场景的空间理解与推理数据集 【SURPRISE3D: A Dataset for Spatial Understanding and Reasoning in Complex 3D Scenes】 文章链接：[2507.
老黄吹的Cosmos 3，在一个北大团队做的榜单上拿了第一
前三个bench都算业界比较眼熟的，而R-bench——我特意查了查，这个让Cosmos 3霸榜的榜单，竟出自一支北大团队。