Anvil conecta el aprendizaje espacial entre tareas relacionadas
En palabras sencillas
La inteligencia espacial implica más que reconocer objetos. Un modelo también debe ubicarlos, entender cómo se relacionan y evaluar acciones usando esa información. Anvil es un marco que crea y comprueba ejemplos para estas tareas, entrena modelos con ellos y evalúa sus capacidades.
Anvil conecta los ejemplos con las mismas escenas y objetos, para que el entrenamiento pueda vincular una etapa de razonamiento con la siguiente. En siete pruebas espaciales públicas, el modelo generalista de Anvil obtiene una media más alta que su modelo base, aunque no supera al modelo base en todas las pruebas.
La investigación
Si un modelo ubica correctamente un objeto, ¿puede usar esa respuesta para razonar sobre la relación del objeto con otra cosa o evaluar una posible acción? Los ejemplos de entrenamiento espacial suelen usar formatos incompatibles, y el éxito en una tarea puede no transferirse a otra.
El artículo pregunta si los ejemplos vinculados a escenas compartidas y la orientación de especialistas pueden ayudar a conectar estas capacidades.
Anvil conecta la generación, comprobación, entrenamiento y evaluación de datos espaciales para que un modelo generalista aprenda tareas relacionadas con orientación de especialistas.
La pregunta central es si los modelos pueden aprender capacidades espaciales que se transfieran entre distintos formatos de salida y etapas conectadas, en lugar de tener éxito solo en tareas aisladas.
Anvil vincula los registros con escenas y entidades compartidas, comprueba su coherencia y respaldo, y después usa la orientación de especialistas para entrenar un modelo generalista.
En siete pruebas espaciales públicas, el modelo final Anvil-MOPD promedia 74.27%, frente a 64.98% de Qwen3.5-9B. Esta media respalda un promedio más alto en esas pruebas, mientras que un panel de tareas conectadas muestra una gran diferencia frente al entrenamiento por etapas separadas. Las mejoras son desiguales, y las pruebas y paneles controlados miden aspectos distintos.
La media de las siete pruebas es descriptiva, porque las puntuaciones publicadas no siguen todas un mismo protocolo de evaluación y Anvil-MOPD obtiene peores resultados en RefSpatial.
Los estudios controlados usan paneles distintos y específicos para cada tarea; sus conclusiones solo se aplican a esas comparaciones, no a todas las tareas espaciales ni a entornos desconocidos.
Análisis
Detalles
- Autores del paper original
- Weilin Ruan, Bohan Zhou, Jinghao Li, Yangkai Wei, Wenqian Li
- Enviado a arXiv
- Licencia
- CC BY 4.0