R4：面向视觉语言模型的四维时空检索增强推理

基于摘要分析。R4 研究视觉语言模型（VLM）如何在动态环境中利用持久、结构化记忆完成四维时空推理，提出无需训练的检索增强框架，主要面向具身问答与导航，而非 EEG 或 BCI 信号建模。 核心机制是持续构建四维知识数据库，将对象级语义描述锚定到三维度量空间与时间，形成可跨智能体共享的持久世界模型。推理时，框架把自然语言问题分解为语义、空间和时间检索键，获取相关观测，再通过迭代检索—推理循环将其纳入 VLM 推理。与经典检索增强生成的区别在于，检索直接作用于结构化四维空间；摘要将情景事件推理与协作推理列为其支持的能力。 作者报告，在具身问答与导航基准上，R4 相比基线显著改善了时空信息检索与推理，但摘要未提供基准名称、划分、指标、具体数值或基线配置。数据库构建所需的感知与定位输入、对象跨时间关联方式、记忆更新策略，以及“无需训练”的具体适用范围尚未验证；实验协议、消融及统计信息也尚未验证。 其机制依赖对象语义、度量空间坐标与时间信息的对应关系，不能直接等同于 EEG 时序表征或跨被试学习。现有材料尚未建立与 EEG 瓶颈的具体对应关系，因此不提出 BCI 迁移实验；已有 EEG 相关工作尚未检索确认。复现评估需进一步核对四维数据库表示、检索键生成与迭代终止规则，以及在相同 VLM 和观测条件下的对照结果。