多模态大语言模型真的理解空间吗？一项数学推理评估

多模态大语言模型（MLLMs）在感知导向任务上表现出色，但其在数学空间推理方面的能力尚不明确。人类在教科书式空间推理问题上的准确率超过95%，而主流MLLMs的准确率甚至低于60%。为探究这一差距，本文提出了MathSpatial框架，包含MathSpatial-Bench基准测试集、MathSpatial-Corpus训练数据集以及MathSpatial-SRT推理模型。实验表明，在MathSpatial上微调Qwen2.5-VL-7B可显著提升推理准确性并减少计算量。该框架首次将感知与推理分离，为评估和理解MLLMs的数学空间推理能力提供了大规模资源。