**人类在太空：多模态大模型能否通过主动探索构建以人为中心的空间理解？**

_Humans in Space: Can MLLMs Construct Human-Centric Spatial Understanding via Active Exocentric Exploration?_

> 针对现有多模态大模型（MLLMs）在空间理解上依赖被动观察且缺乏自我意识的不足，研究提出了 SATE-Bench 交互式基准。该基准包含 316 个真实场景，通过“被动多视角控制”与“主动探索”相结合，评估模型在严重遮挡场景下主动查询相邻视角以获取充分证据的能力。实验发现，主流 MLLMs 往往过早终止探索并高估置信度，且难以处理精细的 3D 几何任务；尽管基于 GRPO 的策略优化能提升主动探索行为，但会导致过度探索并降低整体准确率。研究结论表明，单纯扩展被动多视角感知无法内在地产生主动空间推理，未来模型需具备“看哪里”、“如何整合”及“何时停止”的能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.34149)