**SpaceCast-Bench：首个评估视觉语言模型预测性空间推理能力的基准**

_SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models_

> 该研究提出 SpaceCast-Bench，旨在评估模型从观察中构建场景并预测干预后结果的能力，而非仅识别可见关系。基准包含 3,862 个基于真实场景的问题，涵盖静态感知、局部及全局预测三个层级。测试显示最强模型准确率仅为 58.0%，远低于人类的 87.2%。研究还发现，利用程序化生成数据进行微调可显著提升模型性能，例如将 Qwen3-VL-4B 的准确率从 34.0% 提升至 65.7%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.12402)