LLM 能否从局部描述中学习绘制世界地图？
计算与语言
2025-05-28 v1
摘要
大型语言模型（LLM）的最新进展展示了其在代码和数学等任务中的强大能力。然而，它们内化结构化空间知识的潜力仍有待探索。本研究探讨了基于局部相对人类观察的 LLM，能否通过整合碎片化的关系描述来构建连贯的全局空间认知。我们关注空间认知的两个核心方面：空间感知（模型从局部位置关系中推断出一致的全局布局）和空间导航（模型从轨迹数据中学习道路连通性，并在未连通的位置之间规划最优路径）。在模拟城市环境中进行的实验表明，LLM 不仅能泛化到未见过的兴趣点（POI）之间的空间关系，还表现出与真实世界空间分布相一致的潜在表示。此外，LLM 能从轨迹描述中学习道路连通性，从而在导航过程中实现精确的路径规划和动态空间感知。
引用
@article{arxiv.2505.20874,
title = {Can LLMs Learn to Map the World from Local Descriptions?},
author = {Sirui Xia and Aili Chen and Xintao Wang and Tinghui Zhu and Yikai Zhang and Jiangjie Chen and Yanghua Xiao},
journal= {arXiv preprint arXiv:2505.20874},
year = {2025}
}
备注
19 pages, 11 figures