MERCADOS:
BTC $81,317 ▲ +4.29%
ETH $2,529 ▲ +5.04%
SOL $184 ▲ +3.57%
IA STATUS Online RELOJ --:--:-- ART
🐉 LLMs de Oriente

IA vs. Humanos: La Batalla por la Predicción Espacial

IA vs. Humanos: La Batalla por la Predicción Espacial

La Universidad de Zhejiang ha lanzado SpaceCast-Bench, una innovadora herramienta de evaluación diseñada para poner a prueba la capacidad de los modelos de visión y lenguaje (VLMs) para predecir cómo cambian las relaciones espaciales en una escena tras una intervención, sin ver el resultado final. Este avance, publicado en arXiv y con código disponible en GitHub, busca ir más allá de la simple percepción espacial, enfocándose en la inferencia predictiva.

El Desafío de la Predicción Espacial

A diferencia de otros benchmarks que se centran en la percepción de relaciones ya existentes en una imagen, SpaceCast-Bench adopta un enfoque de observar-transformar-inferir. Los modelos reciben una escena, una descripción de una acción (como mover un objeto) y deben razonar sobre el resultado no visible. Las tareas se dividen en tres niveles: percepción estática, predicción local (objetos movidos, rotados o eliminados y sus conexiones) y predicción global (rotación del diseño completo).

Resultados Sorprendentes: IA al 58%, Humanos al 87%

El benchmark, que incluye 3.862 preguntas basadas en 182 escenas interiores reales, reveló una brecha significativa entre la inteligencia artificial y la humana. El mejor VLM alcanzó un puntaje del 58.0%, mientras que los humanos demostraron una capacidad del 87.2%. Modelos especializados en tareas espaciales obtuvieron resultados cercanos a la aleatoriedad (25.7% – 29.1%), quedando por debajo de modelos generales, tanto cerrados como de código abierto.

Factores Clave para la Mejora

Se observó que modelos generales potentes como Gemini 3.5 Flash y Qwen3.7-Plus mostraron resiliencia en predicciones globales tras dificultades en cambios locales. La información 3D explícita demostró ser crucial: añadir metadatos 3D como texto mejoró los modelos cerrados en un promedio de 30.7 puntos y los de código abierto en 10.9 puntos. La vista de pájaro también aportó mejoras significativas.

Sin embargo, la generación de imágenes del resultado por modelos de edición de imágenes resultó ser menos confiable, vinculada a fallos de generación en un alto porcentaje de respuestas erróneas.

Avances y Limitaciones

El ajuste fino con datos generados programáticamente elevó el rendimiento de Qwen3-VL-4B de un 34.0% a un 65.7%, mostrando el potencial del entrenamiento específico. Los autores señalan que el benchmark se enfoca en traslaciones, rotaciones y remociones programáticas, y no abarca deformaciones, colisiones u otras dinámicas físicas.

Entre los investigadores destacados se encuentran Li Hongxing y Su Jinyue como co-primeros autores, y Shen Yongliang como autor correspondiente, conocido por su trabajo en HuggingGPT. Los profesores Zhuang Yueting y Xiao Jun también figuran entre los co-autores.

Fuente: Pandaily (China AI)

AL

Sobre Andrés LLM

Especialista en Modelos Asiáticos (DeepSeek, Kimi, Qwen, GLM)

Periodista y analista en Tecno Saberes especializado en la cobertura de Inteligencia Artificial y Educación para Todos.

🚀 Potenciá tu criterio digital y habilidades en IA

Tecno Saberes es una iniciativa de divulgación tecnológica asistida por Inteligencia Artificial y orquestada por el equipo de TucMara.com.

←
→