CST-Bench 发布反事实空间推理基准，含 7082 个样本
原文标题：CST-Bench: Benchmarking Counterfactual Spatial Transition Reasoning with Causal Transition On-Policy Self-Distillation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出多模态大模型的空间推理评测多停留在静态场景理解，提出反事实空间推理基准 CST-Bench，含 7082 个样本、6 类干预与 12 种变换算子，并带稠密因果标注。实验显示普通空间推理有效的方法在反事实干预下仍会失败；作者进一步提出 CT-OPSD 蒸馏方法作为改进示范。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CST-Bench用7082个反事实样本揭示：普通空间推理有效的方法在干预下仍会失败。
- •基准含7082个样本、6类干预、12种变换算子，带稠密因果标注
- •标注涵盖干预来源、受影响关系、预期效果、不变关系与度量变化
- •对比实验显示，在标准空间基准上有效的方法在反事实干预下仍失败
- •作者将反事实空间推理形式化为因果状态转移建模，提出CT-OPSD蒸馏方法
- •CT-OPSD让教师模型学习反事实状态转移与因果链，再蒸馏给学生模型仅凭真实观测推理
为什么重要：多模态模型的空间能力评测长期停留在静态理解，该基准把「干预后场景如何变化」纳入考核，暴露现有方法的短板。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI发布图像模型Images 2.6，生成提速50%并新增GIF功能
AI 摘要OpenAI发布图像生成模型Images 2.6，面向全球用户在ChatGPT、Codex及API开放。生成速度较上版提升50%，增强多轮编辑的细节与角色、产品、品牌一致性，并新增GIF循环动画生成。API提供Flare与Sunburst两个版本。
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。