GPD：3D特权蒸馏提升VLM空间推理

研究者提出 GPD（Geometry-Privileged Distillation）方法，用于提升视觉语言模型的空间推理能力。该方法针对 RGB 输入缺乏几何证据的问题，将深度、语义和鸟瞰图（BEV）线索渲染为紧凑文本，并按问题路由给教师模型，仅对错误轨迹施加特权 KL 以增强 GRPO；部署模型仍只使用 RGB 输入。 该论文已发布在 Hugging Face Daily Papers，作者称 GPD 使几何证据成为 on-policy 自蒸馏（OPSD）中的“特权”。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。