Newest papers

S-Agent 2.0: Spatial Reasoning with a General Coding Agent

Rui Gong, Ruoyu Wang, Yalun Dai, Hao Li, Sidi Yang, Qihao Zhao, Hongyu Li, Zeyang Guan · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28354 · open-access PDF

Arabic

يطلب التفكير الإقليمي من النماذج معرفة مكان الوجهات في الفضاء 3D، وكيف يتصل بها بعضها البعض، وكيف يتحركوا.في الآونة الأخيرة، قدمت VLM العملاء تحسينات كبيرة في مثل هذه المهام، مما يسمح له النماذج بتجميع الأدلة بشكل فعال باستخدام أدوات التفكير 3D بدلاً من الإجابة في مجرى واحد.بالرغم من ذلك، في العديد من الأسئلة، يعود النماذج إلى الأدلة الصحيحة، ولا يزال النموذج يصل إلى الإجابة الصحيحة: لا يزال الفجوة بين النماذج والأدوات، حيث أصبحت القراءات الخام نتائج قابلة للتطبيق.

Machine translation (Meta M2M100); the English original follows.

Abstract

Spatial reasoning asks a model to work out where objects are in 3D space, how they relate to one another, and how they move. Agentic VLMs have recently brought large improvements on such tasks by letting the model actively gather evidence with 3D perception tools instead of answering in a single pass. Even so, on many questions the tools return the right evidence and the model still does not arrive at the correct answer: the gap between model and tools, where raw readings become usable conclusions, is left unfilled. We present S-Agent 2.0, a spatial reasoning agent that equips an off-the-shelf

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange