研究团队提出了Spatial-TTT模型，旨在解决多模态模型在动态环境中持续更新空间记忆的问题。该模型通过在线更新机制，能够处理长达120分钟的视频流，显著提升空间智能表现。实验结果表明，Spatial-TTT在多个基准测试中超越现有模型，展现出更强的空间推理能力和效率，推动了流式视觉感知向持续世界状态建模的进展。