arXiv · cs.AI· Rong Li, Shijie Li, Jiangyong Huang, Lingdong Kong, Jiaming Zhou, Dongyue Lu, Zeying Gong, Baoxiong Jia, Junwei Liang, Siyuan Huang·· 8 小时前
GeoReader：为视觉语言模型学习潜在几何以支持空间推理
GeoReader: Learning Latent Geometry for Spatial Reasoning in Vision-Language Models
arXiv:2610.18694v1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：Rong Li, Shijie Li, Jiangyong Huang, Lingdong Kong, Jiaming Zhou, Dongyue Lu, Zeying Gong, Baoxiong Jia, Junwei Liang, Siyuan Huang
研究任务与主要进展
GeoReader通过训练轻量级Geometric Readers生成连续输入几何标记，使视觉语言模型能够直接读取几何表示并完成空间问答。作者报告，在Qwen3-VL-4B上该方法于MindCube-Tiny达到94.3，在Qwen3.5-9B及多来源问答混合数据上于六个额外空间基准平均达到72.5；推理阶段无需生成几何思维链。基于论文摘要，实验细节尚未核验。
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