arXiv · cs.AI· Hongxing Li, Yixin Li, Dingming Li, Zixuan Wang, Yuchen Yan, Wenqi Zhang, Weiming Lu, Yongliang Shen·· 1 天前
GPD通过3D特权蒸馏提升视觉语言模型空间推理
Distilling Routed 3D Privilege for Spatial Reasoning in Vision-Language Models
arXiv:2610.12355v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hongxing Li, Yixin Li, Dingming Li, Zixuan Wang, Yuchen Yan, Wenqi Zhang, Weiming Lu, Yongliang Shen
研究任务与主要进展
研究提出几何特权蒸馏方法GPD，将深度、语义和鸟瞰视角线索提供给教师模型，并通过仅针对错误轨迹的特权KL蒸馏增强GRPO，部署模型仍仅使用RGB输入。在4B骨干上，作者报告GPD在VSI-Bench取得57.1，在MindCube、SPARBench、MMSI-Bench和ViewSpatial平均取得37.6，优于GRPO和答案特权OPSD；该内容仅依据论文摘要，实验细节和全文结论尚未核验。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org