资讯

腾讯混元、清华、南洋理工联手,「以小博大」破解空间智能算力与记忆断裂难题 | ECCV 2026

雷峰网·2026/9/9 02:26:00🔗 原文

📋总体概括

腾讯混元联合清华、南洋理工在ECCV 2026发表论文,提出Spatial-TTT框架,通过给2B参数小模型装上「流式空间记忆」机制,以小模型解决空间智能任务中算力消耗大与长时序记忆断裂两大痛点。该方案用Test-Time Training思路让模型在推理过程中持续更新记忆状态,避免传统方法对长视频或长序列上下文的截断丢失,用2B级小模型逼近更大模型的空间理解能力,为端侧部署和低成本空间智能应用提供了工程可行的技术路线。

关键信息

  • 腾讯混元、清华、南洋理工三方联合完成,论文入选ECCV 2026
  • 核心框架Spatial-TTT为2B参数小模型引入流式空间记忆机制
  • 针对空间智能两大痛点:算力开销过大与长时序记忆断裂
  • 思路源自Test-Time Training,让模型推理时持续更新记忆状态
  • 以小模型逼近大模型空间理解效果,利于端侧低成本部署

🔥犀利点评

空间智能这条路大家都在堆参数堆算力,腾讯混元团队偏偏反着走,给2B小模型装流式记忆,本质是把「记得住」从堆上下文窗口改成推理时持续学习,这比一味卷模型尺寸务实得多。真正的看点不在论文本身,而在于空间智能若想落地机器人、AR眼镜这类端侧设备,小模型+好记忆机制才是唯一现实路径。当然,2B能否真逼近大模型效果,还得看实际基准对比,别只停留在标题党的「以小博大」。

本文由本站自动聚合,以下为原始来源:前往 雷峰网 阅读全文