AI洞察日报 2025/12/17
AI 日报 test
今日摘要
如视开源全球最大室内三维数据集Realsee3D，包含一万场景与海量标注，旨在推动空间智能研究。华东师大等发布首个大型开放域知识编辑基准UniEdit，覆盖多领域并构建全面测试体系。评测揭示现有方法泛化性不足，该基准将推动大模型知识更新与多领域前沿研究。今日AI资讯
如视开源全球最大规模室内三维数据集Realsee3D：如视宣布面向学术研究及非商业用途，正式开源其 Realsee3D 数据集。该数据集包含 10,000个 独特的室内三维场景，总计 95,962个 房间单元和 299,073组 视点/RGB-D图像对，是目前全球规模最大的空间三维数据集。该数据集旨在为空间智能领域的研究者提供高质量数据，加速技术迭代与应用落地。
数据集优势显著：Realsee3D 是一个大规模多视角RGB-D数据集，具有三大核心优势。第一是超大规模，覆盖海量场景。第二是完备标注，为赋能多任务学习，不仅提供了高精度CAD图纸与平面图等几何层标注，还包含2D语义分割与3D检测标签等语义层标注。第三是场景多样，采用了"真实数据+程序化生成”的双引擎策略，包含1,000个真实采集场景和9,000个基于专业设计师模板生成的合成场景，以确保模型在复杂现实环境中的鲁棒性。
推动空间智能核心研究：该数据集提供了彩色全景图、深度图、位姿、CAD图纸、语义分割标签等多种数据类型，适用于几何重建、多模态学习、具身智能等空间智能核心研究方向。如视此举旨在填补高质量空间数据的缺口，欢迎全球研究者通过其官方GitHub仓库申请使用，共同探索空间智能的未来边界。
首个大型开放域大模型知识编辑基准UniEdit发布：华东师范大学联合阿里巴巴、合肥工业大学的研究团队提出了UniEdit，这是首个覆盖25个知识领域、包含31.1万条样本的大规模开放域知识编辑基准，已被人工智能顶级会议NeurIPS接收。该基准旨在解决现有知识编辑评估范围窄、影响评估不全面的痛点。
UniEdit构建全面测试体系：UniEdit 基于Wikidata构建，筛选了约2990万个实体与2400个关系，覆盖自然科学、人文科学、社会科学、应用科学及交叉学科五大板块。其核心是提出了NMCS（邻域多跳链采样）算法，能自动生成复杂的知识链条，首次统一了对知识编辑泛化性（如多跳推理、别名、关系反转）和局部性（保持其他知识不受影响）的所有评价维度。所有测试样例均由大模型生成为自然语言，更接近真实应用场景。
评测揭示关键挑战：利用UniEdit对8大主流编辑方法进行评测，揭示了重要发现。首先，大多数方法能让模型"记住”编辑内容，但在关键的泛化性上普遍表现不足，许多方法得分较低，表明模型难以在变化场景中正确应用新知识。其次，编辑效果存在领域差异，自然科学和人文学科表现较好，而社会科学和应用科学更难编辑，这与预训练数据的分布有关。最后，在复杂组合场景中，模型的泛化性比局部性更容易出错，说明未来研究需更关注让模型真正"理解”而非仅"记忆”知识。
推动多领域前沿研究：UniEdit 不仅能用于评估和改进大模型知识编辑技术，其结构化、多领域、大规模的特点，还能推动事实一致性与幻觉检测、多跳推理与知识链条理解、知识图谱问答等多个前沿AI研究方向的发展。该基准为未来LLM的知识更新、安全应用与可靠性研究奠定了重要基础。相关论文、代码和数据集已公开。