导语：科技媒体 Appleinsider 昨日（5 月 11 日）发布博文，报说念称基于最新公开的 3 项照管，苹果仍在积极鼓吹空间计较和 Vision Pro 头显。

IT 之家  5 月 12 日音问，科技媒体 Appleinsider 昨日（5 月 11 日）发布博文，报说念称基于最新公开的 3 项照管，苹果仍在积极鼓吹空间计较和 Vision Pro 头显。

IT 之家 4 月征引 MacRumors 媒体报说念，苹果公司里面已放置研发新款 Vision Pro，团队重点转向 Siri 和 AI 智能眼镜。

但从最新公示的照管论文来看，苹果公司并未毁灭 Vision Pro 头显名堂，本轮公开了 3 项照管，分辨波及多模态大模子空间推理评测、好意思式手语视频标注，以及 3D 头部重建。

其中最平直的一项，是苹果在机器学习博客发布的《From Where Things Are to What They ’ re For：Benchmarking Spatial-Functional Intelligence for Multimodal LLMs》。

这篇论文提议 SFI-Bench，用来测试多模态大模子是否既看懂空间布局，也泄露物体"能作念什么"。原文提到，这套视频基准包含 134 段室内视频扫描，并整理出 1555 说念大家标注问题。

SFI-Bench 不单问模子"这是什么、在那边"，还会追问"它怎么用、出了故障怎么办"。举例，模子可能需要从柜子里找出同品牌数目最多的一组瓶子，泄露洗衣机面前要领如何取消，世界杯官方认证平台八成判断电视遥控器的用途。比较只测空间识别的旧步伐，这更接近平日家庭场景，也更像改日空间助手需要处分的果然任务。

苹果公司的东说念主工智能照管东说念主员测试了智能体（LLM）对周围寰宇的泄露智商。图源：苹果公司

测试效果线路，Google Gemini 3.1 Pro 总分最高，OpenAI GPT-5.4-High 排行第二，Gemini-3.1-Flash-Lite 排行第三。

但论文也点出共同短板：简直总共模子齐不擅长"带条款的全局计数"，况兼在空间操心、功能常识整合，以及把目下画面和外部常识连起来这几件事上仍有显然截至。

手语论文《Bootstrapping Sign Language Annotations with Sign Language Models》尝试用 AI 自动生成候选标注，减少数百小时手工标注老本。

苹果公司的照管东说念主员探索了使用东说念主工智能进行好意思国手语（ASL）标注的可能性。图源：苹果公司

原文称，团队建立了近 500 条东说念主工英笔墨词到术语标注，并膨胀到朝上 300 小时 ASL STEM Wiki 和 7.5 小时 FLEURS-ASL 数据。其手指拼写模子在 FSBoard 上达到 6.7％ CER，在 ASL Citizen 数据集上达到 74％ top-1 准确率。

第三项照管《Large-Scale High-Quality 3D Gaussian Head Reconstruction from Multi-View Captures》则聚焦 3D 头像重建。

苹果公司的东说念主工智能照管东说念主员探索了如何行使 LLM（层级建模）技巧，从多角度拍摄的图像中创建 3D 头部模子。图源：苹果公司。

苹果提议 HeadsUp 步伐，可从大鸿沟多录像头采聚会重建高质料 3D Gaussian 头部模子。测试使用了一个朝上 10000 名受试者的里面数据集，鸿沟比现存多视角东说念主头数据集高一个数目级。这可能和 Vision Pro 的 Persona，或 visionOS 中更当然的东说念主脸捕捉与姿色渲染关连。

苹果公司大众营销高等副总裁格雷格 · 乔斯维亚克（Greg Joswiak）此前默示，Vision Pro 展示了数字寰宇与物理寰宇交融的改日方法，这种交融具有势必性。当被问及具体时间表时，他坦言无法权衡"空间计较"何时能成为主流，但慑服这一意见不成逆转。

参考

（著述为作家零丁不雅点世界杯官方认证平台，不代表艾瑞网态度）