匹兹堡大学研究在 VLM 隐空间中发现三维场景拓扑结构

匹兹堡大学团队通过分离物体身份属性与位置成分，在 VLM 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。研究用 Dirichlet 能量检验邻域关系，并将该能量加入微调目标，Qwen2.5-VL-7B 在 VSI-Bench 简单相对方向任务上的准确率由普通 LoRA 的 47.9% 升至 60.0%。