理解 LLM 的空间感推理能力：基于轨迹恢复的视角
人工智能
2025-10-03 v1
摘要
我们探讨了大语言模型（LLM）的空间感推理能力，具体而言，LLM 能否读取道路网络图并执行导航任务。我们将轨迹恢复作为代理任务，要求模型重建被遮盖的 GPS 轨迹，并引入 GLOBALTRACE 数据集，包含超过 4000 条覆盖不同地区和交通方式的真实轨迹。利用道路网络作为上下文，我们的提示框架使 LLM 能够在不访问外部导航工具的情况下生成有效路径。实验表明，LLM 超越即插即用基线和专用轨迹恢复模型，实现强大的零样例泛化。细粒度分析显示，LLM 对道路网络和坐标系具有强大的理解能力，但也存在对地区和交通方式的系统性偏见。最后，我们展示了 LLM 如何通过灵活的方式对地图进行推理以整合用户偏好，提升导航体验。
引用
@article{arxiv.2510.01639,
title = {Understanding the Geospatial Reasoning Capabilities of LLMs: A Trajectory Recovery Perspective},
author = {Thinh Hung Truong and Jey Han Lau and Jianzhong Qi},
journal= {arXiv preprint arXiv:2510.01639},
year = {2025}
}