arXiv · cs.AI · Uttamasha Monjoree, Wei Yan · 9 小时前模型评分30
微调 Gemma-4 提升视觉语言模型 2D 与 3D 旋转空间推理能力
Fine-Tuning VLM for Enhancing AI's Spatial Intelligence: Understanding 3D and 2D Rotations
导读
研究团队用多个物体旋转数据集微调 Google DeepMind 的 Gemma-4 模型，发现微调后的混合专家（MoE，Mixture of Experts）版本在预测旋转轴和角度上明显优于通用版本，并显著改善无显式坐标系下的 2D 角度估计。实验还显示，可识别物体并未提升角度检测精度，具有明显线性特征的物体表现更好。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Fine-tuned Google DeepMind-built Gemma-4 mixture-of-experts (MoE) models significantly outperformed fine-tuned Gemma-4 generalist models in predicting rotations defined by both their axes and angles.”
来源：arXiv · cs.AI · arxiv.org