跳到正文
Hugging Face Daily Papers·· 2026-10-08AI 评分63

蒸馏路由的 3D 特权以增强视觉语言模型的时空推理

Distilling Routed 3D Privilege for Spatial Reasoning in Vision-Language Models

AI 导读

针对视觉语言模型在空间推理上的不足,该研究提出几何特权蒸馏(GPD)方法。该方法利用 3D 扫描数据中的深度、语义和鸟瞰图线索作为几何证据,通过问题条件路由将其与参考答案一同输入教师模型进行自蒸馏,并仅对错误轨迹应用特权 KL 散度以增强 GRPO。

来源:Hugging Face Daily Papers · arxiv.org