增强视觉语言模型中的空间推理能力

这篇文章可能讨论了视觉语言模型 (VLM) 的进展，重点是提高它们理解和推理视觉场景中空间关系的能力。 来源 ArXiv 表明这是一篇研究论文，表明了对方法论和实验结果的技术关注。 核心贡献可能是一种新的方法或对现有 VLM 空间推理技术的改进。