GeoReader：让视觉语言模型读取几何标记提升空间推理

Rong Li 等（BIGAI 等机构作者）在 arXiv 发布 GeoReader 论文，提出通过训练轻量级 Geometric Readers 生成连续几何标记，让视觉语言模型直接读取几何表征来完成空间问答。作者报告，在 Qwen3-VL-4B 上该方法于 MindCube-Tiny 达到 94.3；配合多来源问答混合数据，在 Qwen3.5-9B 上于六个额外空间基准平均达到 72.5。 方法特点是几何描述仅作为训练目标：推理阶段模型直接从连续几何标记作答，无需生成几何思维链。以上数字均为作者报告的论文摘要内容，实验细节尚未核验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。