研究发现VLM隐空间呈现三维拓扑结构

匹兹堡大学研究人员发现，视觉语言模型中间层的物体表征经身份属性分离后，能更清晰地对应合成三维场景中的物体排列与邻接关系，圆环、网格和随机布局均出现了相应空间结构。 研究人员利用合成场景的对象掩码聚合视觉标记，并跨场景平均；随后在近似线性分解等假设下，估计并剔除颜色、形状等稳定身份属性，再用低维可视化观察空间成分。相关论文已被 NeurIPS 2026 录用为 spotlight paper，但报道中的结论限于这类合成场景和分析方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。