S-Agent 2.0：借助通用编程智能体进行空间推理
S-Agent 2.0 为通用编程智能体配备了命令行 3D 感知工具包。持久化场景记忆和对工具读数的通俗语言解读，旨在帮助视觉语言模型将观测转化为空间结论。在 MMSI-Bench 和 ReVSI 上，与未使用工具的同一智能体相比，该工具包使 Qwen3.8-27B 分别提升 13.9 和 20.5 分，使 Gemini-3.8-Flash 提升 11.2 和 9.6 分。使用相同模型骨干时，S-Agent 2.0 也优于 SpatialClaw。随着模型能力增强，工具带来的增益有所缩小。该系统可适配多种智能体运行环境，包括 Codex 和 Claude Code。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。