**MJev-Spatial：通过原生注意力匹配实现系统一空间智能，性能超越自回归基线 2.5 倍**

_MJev-Spatial: System One Spatial Intelligence via Native Attention Matching_

> 针对现有视觉语言模型在空间任务中因自回归解码导致的效率低下问题，研究提出了 MJev-Spatial 模型。该模型采用系统一的多模态决策框架，将空间理解任务统一为分类问题，利用预训练查询与键投影对候选项进行评分，无需额外参数且推理时不生成答案 token。通过联合监督粗粒到细粒分类阶段及优化批处理策略，该模型在 12.3M 数据上训练，在 12 个基准测试中位列第一，整体得分达 65.64%，推理速度比最快自回归基线快 2.5 倍。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22276)