GeoReader框架增强视觉语言模型空间推理能力

发生了什么

据arXiv cs.LG报道，研究人员引入GeoReader框架，通过学习几何表示以增强视觉语言模型（VLM）的空间推理能力。该框架训练轻量级几何读取器生成连续输入令牌，使VLM能直接读取几何信息而无需生成思维链。在MindCube-Tiny基准测试中，结合Qwen3-VL-4B达到94.3分；在六个额外空间基准测试中，结合Qwen3.5-9B平均得分72.5。