MJev-Spatial通过本地注意力匹配使系统一空间智能成为可能

简介:基于Qwen3.5-4B构建的MJev-Spatial模型,在12个基准中得分65.64%,7/12领先,并且通过一次性空间决策运行5.6倍快.

标签:MJev-Spatial,Qwen3.5-4B,空间智能,多式联络 AI,一次性决策

主要图像:抽象的多式空间推理可视化,没有真实的人物,没有公司标志,没有文本

背景:空间智能的一条通道

MJev-Spatial是一个针对空间智能的系统1多式决策模型.该项目将其目的定义为在一次通过中做出空间决定,而不是生成一个完整的答案序列.它通过直接候选人分类统一了空间问题回答,数值估计和图像指向,每个决定都需要进行前进传递并产生零答案令牌.

发展:重复使用注意力分数,从粗到精细的提炼

该模型是建立在Qwen3.5-4B上,而不是添加一个单独的长代阶段,它重新使用预训练的注意力查询和关键投影进行评分.然后对值和位置应用粗细精细化.这种设计使任务保持在直接分类流中,同时使用预培训模型的关注结构作为评分基础.

最新进展: 65.64%平均分数和 5.6×比基准模型快

在12个基准测试中,MJev-Spatial获得了 65.64% 的平均分数并领先于 7/12 项标.该项目表示它运行速度比其自动回归基础模型快 5.6 × .发布的材料包括一个项目页面,代码和 4B 模型的 Hugging Face 检查点.

目前阶段:开放资源的公共项目

在这个阶段,可用的事实集中在一通决策方法,基准平均值,速度比较和公共访问上.项目页面是 https://fr0zencrane.github.io/mjev-spatial-project/,代码是 https://github.com/Fr0zenCrane/MJev-Spatial,模型检查点是 https://huggingface.co/mindlab-research/MJev-Spatial-4B.