区域语言模型（RegionGPT）通过改进视觉编码器和任务导向提示，提升了区域级标题生成和理解能力。研究评估了其在空间关系推理中的表现，并构建了高质量的远程感知图像字幕数据集（RSICap），提出了新的评估框架。大型语言模型在空间关系表示方面展现出潜力，但仍需改进。

本文研究了视觉语言模型（VLM）在空间关系推理任务中的性能，提出通过细粒度组合性先验来评估其能力。尽管VLM在文本推理上表现优异，但在视觉演绎推理方面仍有提升空间。研究提出了TReE和VCoT方法，以改善模型的推理能力和可解释性，并探讨了VLM在理解空间关系和时间推断方面的局限性。