S-Agent 2.0 : un agent de raisonnement spatial amélioré par des outils de perception 3D
En bref
- S-Agent 2.0 combine un agent de codage général avec des outils de perception 3D en ligne de commande.
- Le modèle améliore ses performances de +13,9 à +20,5 points sur les benchmarks MMSI-Bench et ReVSI.
- Les gains restent stables même avec des modèles plus performants, contrairement à d'autres approches.
Spatial reasoning demande à un modèle de déterminer la position d'objets dans l'espace 3D, leurs relations et leurs mouvements. Selon Hugging Face Daily Papers, les modèles VLM dotés d'agents peuvent collecter des preuves via des outils de perception 3D, mais peinent encore à transformer ces données brutes en réponses correctes. S-Agent 2.0, présenté par les auteurs, intègre un agent de codage général avec un kit d'outils en ligne de commande pour la perception spatiale. L'interface est conçue pour aider le VLM à boucler la boucle des preuves : acquisition, mémoire persistante et interprétation en langage spatial clair.
Les tests sur MMSI-Bench et ReVSI montrent des gains significatifs : +13,9 et +20,5 points pour Qwen3.8-27B, et +11,2 et +9,6 points pour Gemini-3.8-Flash. Avec Qwen3.8-27B, S-Agent 2.0 atteint 66,5 sur MMSI-Bench et 82,3 sur ReVSI, dépassant SpatialClaw sur les mêmes bases. Les gains diminuent avec des modèles plus performants, mais restent stables pour S-Agent 2.0, contrairement à SpatialClaw.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez Hugging Face Daily Papers.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Comment nous rédigeons · Signaler une erreur