Fei-Fei Li, professora da Universidade de Stanford e considerada a 'Mãe da IA', e sua equipe publicaram recentemente uma pesquisa sobre a 'inteligência espacial' de modelos multimodais de larga escala, revelando que esses modelos já possuem capacidades iniciais de memória e evocação espacial, e demonstram potencial para formar modelos de mundo locais. A equipe de pesquisa desenvolveu uma ferramenta para avaliar a capacidade de inteligência espacial visual — VSI-Bench —, contendo mais de 5.000 pares de perguntas e respostas de alta qualidade baseados em 288 vídeos reais. Os vídeos de teste abrangem espaços residenciais, ambientes profissionais e cenários industriais, envolvendo múltiplas localizações geográficas.