匹兹堡大学研究揭示 VLM 隐空间中的 3D 场景拓扑结构

匹兹堡大学团队通过分离外观属性并可视化 VLM 隐空间，在模型中间层观察到与真实布局对应的三维场景拓扑结构，论文已被 NeurIPS 2026 录用为 spotlight paper。研究进一步将 Dirichlet 能量加入微调目标，在选定中间层进行 500 步 LoRA 微调后，Qwen2.5-VL-7B 在 VSI-Bench 简单相对方向任务上的准确率从 47.9% 升至 60.0%。