**SPACENUM：重新审视视觉语言模型的空间数值理解**

_SPACENUM: Revisiting Spatial Numerical Understanding in VLMs_

> SPACENUM 框架通过 Num2Space 和 Space2Num 双向任务，评估 VLMs 在动态空间探索与静态布局中的数值理解。研究发现现有模型大多无法将数值与空间意义关联，表现接近随机猜测，依赖浅层空间线索，难以构建稳定的坐标感知表示，且无法从视觉中抽象空间结构。显式推理仅带来边际提升，微调可部分改善并迁移至外部基准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-08 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.23898)