研究人员推出了一种新颖的多模态大语言模型（MLLMs）范式MentalThink，它通过生成和解释可缩放矢量图形（SVG）代码来实现“心智”可视化。这种“用SVG思考”的管道允许模型创建结构化的视觉表示，使其能够外化空间假设，通过渲染进行检查，并在定义的几何空间内进行推理。该系统采用了结合监督微调和强化学习的两阶段训练过程。评估结果表明，MentalThink在空间理解和推理任务上的表现显著提高，在VSIBench和MindCube等基准测试中取得了高分。 AI
影响 这项研究可能会增强AI执行复杂空间推理的能力，并可能影响需要视觉理解和操作的领域。
排序理由 该集群包含一篇详细介绍新AI研究范式和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
