CrossView Suite：利用数据集、模型和基准挖掘多模态大语言模型的跨视角空间智能

针对多模态大语言模型（MLLM）在跨视角空间智能方面的不足，本文提出了 CrossView Suite。该套件包含三个核心组件：CrossViewSet，一个由多智能体引擎构建的大规模高质量跨视角指令数据集；CrossViewBench，用于系统评估跨视角空间理解能力的场景分离基准；以及 CrossViewer，一种遵循“感知 - 对齐 - 推理”范式的三阶段框架。该方法通过自适应空间区域标记化和显式多视角对象对齐，有效融合了特征，显著增强了 MLLM 的跨视角推理能力，推动其从单视角感知迈向真实世界的空间智能。