arXiv cs.CV· Rafi Ibn Sultan, Xiangyu Zhou, Md. Sajid Alam Chowdhury, Chengyin Li, Prashant Khanduri, Marco Brocanelli, Dongxiao Zhu·· 8 小时前AI 评分34
SpatialCORE：大视觉语言模型中的置信度感知 grounded 空间推理
SpatialCORE: Confidence-Aware Grounded Spatial Reasoning in Large Vision--Language Models
AI 导读
SpatialCORE 是一个后训练框架，把模型对生成 grounding 的自身置信度变成空间推理的学习信号，通过自调节空间奖励按坐标 token 置信度加权每个预测边界框的匹配质量，并用答案门控将 grounding 优化与最终答案正确性绑定。该框架在多个 benchmark 上取得开源及专用空间推理模型中的 SOTA，并可零样本迁移到未见数据分布，源代码已公开。
来源：arXiv cs.CV · arxiv.org