EvoSpatial让空间推理智能体跨任务积累技能与工具库

事件核心：发生了什么

据 alphaXiv 页面信息，新论文 EvoSpatial 面向工具增强的视觉语言智能体。它不把“解题过程”当成一次性消耗品，而是把可复用的操作流程（skill）和可调用工具（tool）一起存进持久库，并用执行记录、视觉与几何检查来更新库，而不是依赖标准答案。推理时智能体先检索相关技能，再在有状态的 Python 内核里写代码、跑感知工具或合成的新函数，检查中间结果并允许修正后再作答。

摘要给出的成绩是：在 20 个基准上，EvoSpatial 取得了对比空间智能体中最高的平均分，超过 SpatialClaw 4.0 个百分点，并展示了跨基准迁移；在评估时不借助外部技能，也能通过技能引导的蒸馏改善推理。

为什么重要

当前多数视觉语言智能体仍是“一题一解”，换一道题就从头来。EvoSpatial 把程序性知识与它所依赖的计算绑定在一起，等于让智能体积累“怎么做”和“什么时候该信这个结果”。如果这条路线成立，空间推理的竞争焦点会从单次模型能力，转向经验库的厚度与复用效率。

更值得注意的是它与 SpatialClaw 的差异：两者都支持迭代式代码执行和持久 Python 内核，但 SpatialClaw 侧重于单任务内的交互与修正，EvoSpatial 把经验跨任务带走。这也是目前公开信息中最明确的增量。

对用户/开发者/创作者的影响

对开发者，这类技能—工具库可能改变智能体应用的工程形态：以后不只是调 API，而是维护一个可审阅、可合并、可链接的经验资产。对有空间测量需求的创作者和机器人等场景，价值在于减少“看起来合理但实际算错”的测量，例如把椅子位移和相机移动区分开。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

但目前阶段不要把它等同于已上线产品。论文摘要没有交代完整实验细节、许可方式或工程化成本，是否开源也未提及。

值得关注的后续

一是技能库在真实动态场景中是否稳定，能否避免错误经验被反复引用；二是跨基准迁移能否延续到未见任务；三是会不会出现围绕技能—工具库的开放格式和生态，让不同智能体共享经验资产。

来源：alphaXiv