论文页面 - Soft Spatial Reasoning（软空间推理）

来源：https://huggingface.co/papers/2609.38717

摘要

大型视觉语言模型（LVLMs）通常通过思维链（CoT）进行空间推理，将中间推理过程编码为离散语言 token 的自回归序列。这种“硬思考“要求模型在每一步都锁定于单个 token，即使正确的空间解读仍然存在不确定性。这种过早的决策构成了“过早离散化“：错误的 token 选择会使误差在后续推理中不断传播。我们提出了 Soft Spatial Reasoning，一个为 LVLM 中的空间任务引入“软思考“的后训练框架。在每个中间推理步骤中，LVLM 通过混合 token 嵌入来形成连续的软状态，而不是选择单个 token，从而允许多个候选续接路径共同影响下一步。然而，合适的软化程度在不同推理步骤间可能有所不同：保留多个候选可能有助于维持有价值的空间解读，但如果这些候选隐含着相互冲突的空间关系，混合它们反而可能干扰后续推理。Soft Spatial Reasoning 的核心是 AdaptSoft——一个利用当前隐藏状态和预测不确定性来在每一步自适应调整软化程度的控制器。为了训练 AdaptSoft，我们引入了梯度对齐学习目标，该目标在无需中间推理监督的情况下，为软化程度控制提供逐步骤的学习信号。在多种空间基准测试上，使用相同骨干模型时，Soft Spatial Reasoning 的表现优于硬思考和固定软化程度的 CoT 基线方法，也优于一系列现有的 LVLM。源代码见：https://github.com/rafiibnsultan/Soft_Spatial_Reasoning

查看 arXiv 页面 (https://arxiv.org/abs/2609.38717)｜查看 PDF (https://arxiv.org/pdf/2609.38717)｜GitHub 0 (https://github.com/rafiibnsultan/Soft_Spatial_Reasoning)｜添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2609.38717)

在你的智能体中获取此论文：

hf papers read 2609\.38717

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

没有模型关联到此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.38717，即可从本页面链接它。

引用此论文的数据集 0

没有数据集关联到此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.38717，即可从本页面链接它。

引用此论文的 Spaces 0

没有 Space 关联到此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2609.38717，即可从本页面链接它。

包含此论文的合集 0

没有合集包含此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 以从本页面链接它。