arXiv cs.AI· Rong Li, Shijie Li, Jiangyong Huang, Lingdong Kong, Jiaming Zhou, Dongyue Lu, Zeying Gong, Baoxiong Jia, Junwei Liang, Siyuan Huang·· 9 小时前AI 评分32
GeoReader：为视觉语言模型学习空间推理的潜在几何表示
GeoReader: Learning Latent Geometry for Spatial Reasoning in Vision-Language Models
AI 导读
GeoReader 通过训练轻量级 Geometric Readers 生成连续几何 token，让 VLM 直接读取几何信息，而非仅对齐几何特征。在 Qwen3-VL-4B 上，该方法在 MindCube-Tiny 达到 94.3 分；搭配多源 QA 混合数据后，Qwen3.5-9B 在六个额外空间基准上平均得分 72.5。推理时 VLM 直接由连续几何 token 作答，无需生成几何思维链。
来源：arXiv cs.AI · arxiv.org