3D 视觉

CapBench: A Multi-PDK Dataset for Machine-Learning-Based Post-Layout Capacitance Extraction

CapBench：一种用于基于机器学习的后布局电容提取的多PDK数据集

Hector R. Rodriguez, Jiechen Huang, Wenjian Yu

机构 * Department of Computer Science \& Technology, BNRist, Tsinghua University Beijing China ； Department of Computer Science \& Technology, BNRist, Tsinghua University 纠错

专题命中 空间理解 ：point cloud(abstract)

AI总结 CapBench通过多PDK数据集支持基于机器学习的电容提取研究，包含61855个3D窗口用于迁移学习和可扩展性研究，评估了10种机器学习架构，展示了精度与速度的权衡。

Comments Accepted at the 63rd ACM/IEEE Design Automation Conference (DAC '26). 7 pages, 5 figures

Do LLMs Build Spatial World Models? Evidence from Grid-World Maze Tasks

大型语言模型构建空间世界模型了吗？基于网格世界迷宫任务的证据

Weijiang Li, Yilin Zhu, Rajarshi Das, Parijat Dube

机构 * University of Notre Dame（圣母大学） ； Columbia University（哥伦比亚大学） ； MQube Cognition（MQube认知实验室） 纠错

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 本文通过迷宫任务评估LLM的空间理解能力，发现其空间推理依赖于表示形式而非任务类型，表明LLM缺乏稳健的空间世界模型。

From Perception to Planning: Evolving Ego-Centric Task-Oriented Spatiotemporal Reasoning via Curriculum Learning

从感知到规划：通过课程学习进化自主任务导向的空间时间推理

Xiaoda Yang, Yuxiang Liu, Shenzhou Gao, Can Wang, Jingyang Xue, Lixin Yang, Yao Mu, Tao Jin, Shuicheng Yan, Zhimeng Zhang, Zhou Zhao

机构 * Zhejiang University（浙江大学） ； Tianjin University（天津大学） ； Qingdao University（青岛大学） ； Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 本文提出EgoTSR框架，通过课程学习提升任务导向的空间时间推理能力，解决静态感知和动态环境中的时空幻觉问题，实验显示其在长周期推理任务中准确率达92.4%。