Hugging Face · 每日论文·2026-10-08 04:00· 1 天前AI 评分41

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

AI 导读

一篇论文提出 GPD 方法，在视觉-语言模型中通过引入几何特权信息提升空间推理能力。GPD 在 on-policy self-distillation 中利用深度、语义和鸟瞰图（BEV）线索作为特权信息，仅对错误轨迹应用 KL 散度，最终模型仍保持 RGB 输入。