Fei-Fei Li, professeure à l'université de Stanford et surnommée la « marraine de l'IA », et son équipe ont récemment publié une étude sur « l'intelligence spatiale » des grands modèles multimodaux. Cette étude révèle que ces modèles possèdent déjà des capacités préliminaires en matière de mémorisation et de rappel spatial, et montrent un potentiel pour former des modèles du monde partiels. L'équipe de recherche a développé VSI-Bench, un outil d'évaluation des capacités d'intelligence visuo-spatiale, contenant plus de 5000 paires de questions-réponses de haute qualité basées sur 288 vidéos réelles. Les vidéos testées couvrent les espaces de vie, les lieux professionnels et les environnements industriels, et concernent plusieurs emplacements géographiques.