MJev-Spatial：通过原生注意力匹配实现 System 1 空间智能
MJev-Spatial 是一个面向空间理解任务的多模态决策模型，涵盖空间关系分类、距离估计和二维点预测。它不再以自回归方式生成自由文本，而是将候选选项、数值区间和图像区域视为类别，并利用骨干模型预训练的查询和键投影进行评分，无需增加参数。该模型基于 Qwen3.5-4B，使用从现有空间数据集转换而来的 1230 万组问答对进行训练。在八个模型的评测中，MJev-Spatial 以 65.64% 的成绩取得最高总分，在十二项基准测试中的七项排名第一，并在全部十二项测试中超过未修改的自回归基础模型。其推理速度是最快自回归基线的 2.5 倍，是基础模型的 5.6 倍。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。