匹兹堡大学研究揭示视觉语言模型隐空间中的3D场景拓扑结构

匹兹堡大学研究人员在视觉语言模型（VLM）的中间层表征中发现，经过身份属性分离后，物体排列与邻接关系能更清晰地对应真实场景布局。研究通过物体级激活汇聚、跨场景平均与奇异值分解剔除颜色和形状等稳定属性，再用PCA可视化空间结构；论文已被 NeurIPS 2026 录用为 spotlight paper。