以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
An observer sees only part of the surrounding world, yet must keep track of what lies beyond the current view. Spatial perception therefore involves more than recognizing individual images: it calls for a persistent spatial state that is updated under self-motion and used to guide action. Do visual foundation models pr
阅读原文 · Baiqiao Yin, Zhongang Cai, Ruisi Wang, Qiwei Liang, Lei Yang, Ziwei Liu
向阳乔木 · opencode-go/deepseek-v4.1-flash
视觉基础模型到底有没有“空间感”？这篇论文没有停留在看图识物的层面，而是把空间能力拆成四层来做探针实验。 结论偏冷静：能读出眼前场景，不等于能记住物体、预测变化，更不等于能指导动作。 如果你在做具身智能、机器人导航、视频理解，或者正在选视觉 backbone，这篇值得翻一翻。它提供的是一套“怎么问模型空间问题”的评测思路，比某个单一分数更有用。 这篇论文想解...