SCOUT-3B

新框架提升视觉语言模型空间推理能力，一模型表现优于GPT-4o

研究人员开发了新的方法来提高视觉语言模型（VLMs）的空间推理能力。SCOUT框架使用结构化思维链（CoT）和多目标强化学习来增强3D环境感知和推理，其中SCOUT-7B在某些任务上的表现优于GPT-4o。另一种方法是优势引导门控（Advantage-Guided Gate），它通过使用蒙特卡洛价值评估并选择高价值的推理步骤和轨迹，动态纠正开放式推理过程中的偏差。这两种方法都旨在创建更强大、更准确的用于空间智能的VLMs。