Files

99 lines
4.9 KiB
Markdown
Raw Permalink Normal View History

[EN](README.md) | **中文**
# SenseNova-SI: 探索空间智能在多模态基础模型上尺度效应
<a href="https://github.com/OpenSenseNova/SenseNova-SI" target="_blank">
<img alt="Code" src="https://img.shields.io/badge/SenseNova_SI-Code-100000?style=flat-square&logo=github&logoColor=white" height="20" />
</a>
<a href="https://arxiv.org/abs/2511.13719" target="_blank">
<img alt="arXiv" src="https://img.shields.io/badge/arXiv-SenseNova_SI-red?logo=arxiv" height="20" />
</a>
<a href="https://github.com/EvolvingLMMs-Lab/EASI" target="_blank">
<img alt="Code" src="https://img.shields.io/badge/EASI-Code-100000?style=flat-square&logo=github&logoColor=white" height="20" />
</a>
<a href="https://easi.lmms-lab.com/leaderboard" target="_blank">
<img alt="Leaderboard" src="https://img.shields.io/badge/%F0%9F%A4%97%20_EASI-Leaderboard-ffc107?color=ffc107&logoColor=white" height="20" />
</a>
## 概览
尽管多模态基础模型已取得显著进展,但在空间智能方面仍存在明显不足。
本研究基于成熟的多模态基础包括视觉理解模型如Qwen3-VL、InternVL3和统一理解生成模型如Bagel从尺度效应Scaling的视角构建了**SenseNova-SI系列模型**。
我们采用系统化方法构建了包含800万样本的SenseNova-SI-8M数据集通过严格的空间能力分类体系培养高性能、高鲁棒性的空间能力。
该系列模型在多项空间智能基准测试中取得突破性表现VSI-Bench 68.7%、MMSI 43.3%、MindCube 85.6%、ViewSpatial 54.6%、SITE 50.1%同时保持强大的通用多模态理解能力如MMBench-En 84.9%)。
本研究进一步分析了数据规模的影响,揭示了多样化数据训练带来的涌现泛化能力,探讨了过拟合与语言捷径的风险,提出了空间思维链推理的初步研究,并验证了下游应用潜力。
SenseNova-SI是一个持续迭代的项目所有新训练的多模态空间智能基础模型均将陆续开源以推动空间智能领域的研究发展。
*后续 SenseNova-SI 将与更大规模的内部模型进行集成。*
## 发布信息
目前,我们基于流行的开源基础模型构建 SenseNova-SI以最大化与现有研究流程的兼容性。
在本次发布中,我们推出
[**SenseNova-SI-1.2-InternVL3-8B**](https://huggingface.co/sensenova/SenseNova-SI-1.2-InternVL3-8B),
[**SenseNova-SI-1.1-Qwen2.5-VL-3B**](https://huggingface.co/sensenova/SenseNova-SI-1.1-Qwen2.5-VL-3B),
[**SenseNova-SI-1.1-Qwen2.5-VL-7B**](https://huggingface.co/sensenova/SenseNova-SI-1.1-Qwen2.5-VL-7B),
与[**SenseNova-SI-1.1-Qwen3-VL-8B**](https://huggingface.co/sensenova/SenseNova-SI-1.1-Qwen3-VL-8B)
其中**SenseNova-SI-1.2-InternVL3-8B**在八个近期发布的空间智能基准测试(**VSI**、**MMSI**、**MindCube**、**ViewSpatial**、**SITE**、**BLINK**、**3DSRBench**、**EmbSpatial-Bench**)上,
在同等模型规模下均取得了开源模型的最新最优性能state-of-the-art
<table>
<thead>
<tr>
<th>Model</th>
<th>VSI</th>
<th>MMSI</th>
<th>MindCube-Tiny</th>
<th>ViewSpatial</th>
<th>SITE</th>
</tr>
</thead>
<tbody>
<tr>
<td colspan="6" align="center"><em>Open-source Models (~2B)</em></td>
</tr>
<tr>
<td>InternVL3-2B</td><td>32.9</td><td>26.5</td><td>37.5</td><td>32.5</td><td>30.0</td>
</tr>
<tr>
<td>Qwen2.5-VL-3B-Instruct</td><td>27.0</td><td>28.6</td><td>37.6</td><td>31.9</td><td>33.1</td>
</tr>
<tr>
<td>Qwen3-VL-2B-Instruct</td><td>50.3</td><td>28.9</td><td>34.5</td><td>36.9</td><td>35.6</td>
</tr>
<tr>
<td>MindCube-3B-RawQA-SFT</td><td>17.2</td><td>1.7</td><td>51.7</td><td>24.1</td><td>6.3</td>
</tr>
<tr>
<td>SpatialLadder-3B</td><td>44.8</td><td>27.4</td><td>43.4</td><td>39.8</td><td>27.9</td>
</tr>
<tr>
<td>SpatialMLLM-4B</td><td>46.3</td><td>26.1</td><td>33.4</td><td>34.6</td><td>18.0</td>
</tr>
<tr>
<td>VST-3B-SFT</td><td><strong>57.9</strong></td><td>30.2</td><td>35.9</td><td><strong>52.8</strong></td><td>35.8</td>
</tr>
<tr>
<td>Cambrian-S-3B</td><td>57.3</td><td>25.2</td><td>32.5</td><td>39.0</td><td>28.3</td>
</tr>
<tr>
<td><strong>SenseNova-SI-1.1-Qwen2.5-VL-3B</strong></td>
<td>54.9</strong></td>
<td><strong>30.8</strong></td>
<td><strong>52.6</strong></td>
<td>43.5</td>
<td><strong>37.8</strong></td>
</tr>
<tr>
<td colspan="6" align="center"><em>Proprietary Models</em></td>
</tr>
<tr>
<td>Gemini-2.5-pro-2025-06</td><td>53.5</td><td>38.0</td><td>57.6</td><td>46.0</td><td>57.0</td>
</tr>
<tr>
<td>Grok-4-2025-07-09</td><td>47.9</td><td>37.8</td><td>63.5</td><td>43.2</td><td>47.0</td>
</tr>
<tr>
<td>GPT-5-2025-08-07</td><td>55.0</td><td>41.8</td><td>56.3</td><td>45.5</td><td>61.8</td>
</tr>
</tbody>
</table>