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 项扣问，苹果仍在积极鼓动空间缠绵和 Vision Pro 头显。

IT 之家  5 月 12 日音讯，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 项扣问，苹果仍在积极鼓动空间缠绵和 Vision Pro 头显。

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

但从最新公示的扣问论文来看，苹果公司并未烧毁 Vision Pro 头显形式，本轮公开了 3 项扣问，分离触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。

其中最径直的一项，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》。

这篇论文建议 SFI-Bench，用来测试多模态大模子是否既看懂空间布局，也相识物体"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 说念人人标注问题。

SFI-Bench 不单问模子"这是什么、在那儿"，还会追问"它怎样用、出了故障怎样办"。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，相识洗衣机现时智力如何取消，世界杯官方认证平台省略判断电视遥控器的用途。比较只测空间识别的旧法度，这更接近普通家庭场景，也更像过去空间助手需要贬责的真正任务。

苹果公司的东说念主工智能扣问东说念主员测试了智能体（LLM）对周围寰宇的相识能力。图源：苹果公司

测试后果流露，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：险些统共模子都不擅长"带条目的全局计数"，况兼在空间缅念念、功能学问整合，以及把目前画面和外部学问连起来这几件事上仍有显豁为止。

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资本。

苹果公司的扣问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 条东说念主工英翰墨词到术语标注，并膨大到特等 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。

第三项扣问《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扣问东说念主员探索了如何运用 LLM（层级建模）时间，从多角度拍摄的图像中创建 3D 头部模子。图源：苹果公司。

苹果建议 HeadsUp 法度，可从大界限多录像头采王人集重建高质地 3D Gaussian 头部模子。测试使用了一个特等 10000 名受试者的里面数据集，界限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激情渲染相关。

苹果公司人人营销高档副总裁格雷格 · 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和会的过去形态，这种和会具有势必性。当被问及具体时刻表时，他坦言无法推断"空间缠绵"何时能成为主流，但折服这一标的不成逆转。

参考

（著述为作家孤立不雅点世界杯官方认证平台，不代表艾瑞网态度）