OmniView-Space：通过多视角空间映射强化空间推理

基于摘要分析。本文研究多模态大语言模型（MLLMs）在复杂查询和多步推理中难以维持一致空间表征的问题，提出 OmniView-Space，通过查询对齐的多视角空间映射、工具引导的自我中心推理和认知地图蒸馏，使空间证据适配相机、物体或方向中心参考系。 方法包含三个核心组件。Multi-Perspective Spatial Mapping（MPSM）将重建几何重新锚定为与查询对齐的视觉认知地图和文本空间图；Tool-Guided Egocentric Reasoning 训练交错式策略，主动选择查询所需的自我中心锚点，并请求相应的 MPSM 证据；Cognitive-Map Distillation 利用 MPSM 生成的轨迹与自我中心参考系奖励，训练模型借助自行生成的认知地图推理。其主要机制是让空间证据随查询所需参考系转换，而非仅依赖固定的文本描述或三维重建表示。 作者报告，在单图像与多图像空间推理基准上，OmniView-Space 达到最先进性能；蒸馏后的模型在减少对外部几何处理流程依赖的同时保持该性能。摘要未提供基准名称、数据划分、对照模型、指标数值或计算开销，因此尚不能核验优势幅度、比较条件及蒸馏前后的具体差异。几何重建质量、锚点选择策略、奖励定义、蒸馏训练细节、实验协议、消融及统计信息尚未验证。 该研究的主要对象是视觉场景中的空间推理，而非 EEG 解码或 BCI。现有材料未建立该机制与神经信号建模之间的具体对应关系，因此不据此推断 BCI 有效性，也不提出迁移实验建议；相关 EEG 工作尚未检索确认。