Search for a command to run...
空间理论（Theory of Space）是由李曼玲、李飞飞团队于 2026 年提出的，相关研究成果发表于论文 Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration?，已被 ICLR 2026 接受。
空间理论是指大模型在部分可观察的环境中，通过自我驱动的主动探索来获取信息，并能够基于连续的、局部的观察来构建、动态修正以及利用其内部空间信念（Spatial Belief）的能力 。该研究的目标是通过好奇心驱动的探索来构建完整、准确的空间信念 。本研究还发现当前模型在探索效率、信念稳定性及信念更新（如信念惯性）方面存在显著不足，并构建了文本与视觉双模态评测体系。
Search for a command to run...
空间理论（Theory of Space）是由李曼玲、李飞飞团队于 2026 年提出的，相关研究成果发表于论文 Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration?，已被 ICLR 2026 接受。
空间理论是指大模型在部分可观察的环境中，通过自我驱动的主动探索来获取信息，并能够基于连续的、局部的观察来构建、动态修正以及利用其内部空间信念（Spatial Belief）的能力 。该研究的目标是通过好奇心驱动的探索来构建完整、准确的空间信念 。本研究还发现当前模型在探索效率、信念稳定性及信念更新（如信念惯性）方面存在显著不足，并构建了文本与视觉双模态评测体系。
PRGS 显著增强了离线强化学习模型拼接高回报经验的能力 。
稠密检索器负责从海量文档库中快速找出与查询语义最相关的段落，是检索增强生成系统的核心基础组件。
MVP 通过建模平均速度场，实现兼具高表达能力与计算极速的单步动作生成。
有效解决了 LVLM 安全对齐中的关键挑战。
iSeal 在 12 个 LLM 上对超过 10 次攻击实现 100% 指纹成功率（FSR）。
利用 GPU 并行性高效扩展解码树，实现推理路径的快速且可扩展的优化。
Model Souping 可以通过对多个微调解的权重进行平均来生成更优的模型。
SoCE 是一种基于自动类别感知专家选择机制、结合多基准任务的模型优化范式。
DePass 用于通过分解前向传递来解释 Transformer 模型。
PRGS 显著增强了离线强化学习模型拼接高回报经验的能力 。
稠密检索器负责从海量文档库中快速找出与查询语义最相关的段落，是检索增强生成系统的核心基础组件。
MVP 通过建模平均速度场，实现兼具高表达能力与计算极速的单步动作生成。
有效解决了 LVLM 安全对齐中的关键挑战。
iSeal 在 12 个 LLM 上对超过 10 次攻击实现 100% 指纹成功率（FSR）。
利用 GPU 并行性高效扩展解码树，实现推理路径的快速且可扩展的优化。
Model Souping 可以通过对多个微调解的权重进行平均来生成更优的模型。
SoCE 是一种基于自动类别感知专家选择机制、结合多基准任务的模型优化范式。
DePass 用于通过分解前向传递来解释 Transformer 模型。
