S-Agent 2.0：通用编码智能体结合工具包做空间推理

Rui Gong 等作者提出 S-Agent 2.0，把现成的通用编程智能体与命令行感知工具包结合，让视觉语言模型（VLM）通过持久场景记忆获取并解读 3D 证据。按作者报告，该工具包在 MMSI-Bench 和 ReVSI 上让 Qwen3.8-27B 分别提升 13.9 分和 20.5 分，让 Gemini-3.8-Flash 分别提升 11.2 分和 9.6 分。 该方法的接口设计原则是：帮助 VLM 闭环证据链，即先获取场景证据，再存入持久场景记忆，最后用平实的空间语言解读每次读取结果。上述分数为作者提交论文中的自报结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。