SpaceCast-Bench: 비전-언어 모델의 예측 공간 추론 평가

요약

본 논문은 기존의 공간 지각을 넘어선 '예측적 공간 추론' 능력을 평가하는 새로운 벤치마크 SpaceCast-Bench를 소개합니다. 이 벤치마크는 관찰-변환-추론 프레임워크를 기반으로 하며, 정적/국소/전역 예측 등 다양한 작업을 포괄합니다. 테스트 결과, 현존 모델들이 인간 성능에 크게 미달하며, 특히 브릿지 뷰와 같은 분산된 증거 통합의 중요성을 강조했습니다.

핵심 포인트

• 공간 지각을 넘어선 '예측적 공간 추론' 능력을 평가하는 SpaceCast-Bench를 제시함.
• 벤치마크는 관찰-변환-추론(observe-transform-infer) 프레임워크 기반으로 구성됨.
• 최고 모델의 성능이 인간 대비 58.0%에 그치는 등 현저한 격차가 확인됨.
• 프로그램적 데이터로 파인튜닝 시 Qwen3-VL-4B의 점수가 크게 향상되는 것을 입증함.