最近，Spatiallm太空生存模型发布了其核心核心公司太空情报公司技术的第一份技术报告。该模型于今年3月正式开放，据报道，该模型被迅速分类为世界的三个主要开源社区：Huggingface，Global Trend List，DeepSeek-V3和Qwen2.5-Enni。照片描述：三种伟大的Hangzhou模型，分类在Huggingface的全球趋势的前三个中，已被共同分类。作为将大型语言模型扩展到3D空间理解任务的模型，Spaciallm可以从3D点云条目中生成结构化空间场景的描述。这个过程打破了对物理世界的几何形状和空间关系的大规模语言模型的理解的局限OW机器具有认知和推理的空间能力。经过开源后的广泛实践验证后，该技术报告重点介绍了Spatiallm 1.1的更新版本，该版本不仅包括详细的消融实验和培训公式，而且还对要点，分辨率，身份识别类别的分数进行优化，由用户和其他维度和其他维度和其他维度实现。多个参考测试的数据表明，在调整任务数据集后，该模型的效果与最新的空间设计识别和3D对象检测任务的专业模型相同或更好。图的描述：公寓类型和对象检测任务的SOTA方法之间的执行分数比较。该报告重点介绍了两个方面：算法框架和培训数据。在算法体系结构级别，SpatialLM将大语言模型（LLM）扩展到3D空间理解任务，实现了重要在结构化的内部建模领域进行进步。这条技术路线打破了任务的特定传统体系结构的局限性，并使用创新的编辑文本来创建使用最新技术的系统。表示结构。这种创新的设计具有两个技术优势。另一方面，它行使了组技术数据集的强大功能，通过连续训练不断优化空间识别的精度。同时，当访问大型语言模型时，系统可以直接接收并理解自然语言的说明，并且空间理解模型从智能系统中简单任务的工具中转变为可以真正了解用户意图的简单任务，从而将LLM的能力限制转移到了LLM的方向和空间范围方向上。图的描述：时空LM1.1模型的网络结构同时，spatiallm构建一组来自包含结构化3D信息的合成点云的新数据，破坏真实数据和标记的限制很差且难以标记。该数据集包括来自结构化覆盖的云的12,000多个方案和54,000个数据室，其比例远远超出了诸如扫描之类的现有数据集（包括1,513个方案）。所有数据均来自真实项目的专业设计模型。经过严格的检测和分析后，它们形成了适合现实世界中统计分布的虚拟环境。像Prothor一样，更恰当的数据集。互动3D数据被理解，这是太空智能领域的组中央技术的重要优势。该模型的大多数培训数据来自中央集团空间空间智能平台。 Qunke Technology在2018年已经启动了一系列称为内部网络的深度学习数据。这包括D总共约1.3亿个空间数据，这是当时世界上世界上最大的认知学习数据。图的描述：Patiallm1.1数据集与当前开源数据的比较。根据报道，对空间空间的理解模型是开源的，并继续引起世界开发人员社区的争议。开发人员通常说，该Modelo将从综合文本飞向认知空间。在您中，香港科学技术大学的计算机和工程科学学院教授说，作为研究合作伙伴，Spatiallm在研究合作伙伴中采用了创新的大规模语言模型来理解3D空间，从而在设计估算和物体检测等任务中取得了出色的成果。对于AR/VR和化身智能等现场发展，这一进步具有很大的价值。