3Dの大規模言語モデルは本当に3Dの空間関係を理解しているのか？
arXiv cs.CL / 2026/3/26
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、3D入力を一切見ないテキストのみの微調整アプローチによって、SQA3Dベンチマークで3D大規模言語モデル手法を同等以上にし得ることを示しており、ベンチマークがテキスト上の近道（ショートカット）を許している可能性を示唆している。
- SQA3Dは真の3D対応の空間推論を信頼性高く測定できないかもしれないと主張し、より厳密な評価ベンチマークであるReal-3DQAを導入する。これは、質問をフィルタリングし、3D推論スキルを体系化したタクソノミを備えている。
- Real-3DQAに関する実験では、表面的な手がかりが取り除かれると、既存の3D-LLMは空間関係に関して難しさを示すことが明らかになった。
- 著者らは、3Dの手がかりへの依存を高めることを目的とした3D再重み付け（3D-reweighted）学習目的を提案しており、これが空間推論タスクでの性能を大幅に改善することを示している。
