Soft Spatial Reasoning 用 AdaptSoft 按步调节软思考温度，在 OmniSpatial 上把加权平均准确率提到 49.68

提出面向大型视觉语言模型空间推理的软思考后训练框架，把中间推理步骤表示为混合 token 嵌入的连续软状态，最终答案仍以离散语言输出。 作者称这是首个专门面向大型视觉语言模型空间推理的软思考框架；此前软思考多用于语言模型，或虽在视觉语言模型中保留连续视觉表示，但思维链仍以离散 token 选择推进。 论文给出方法推导，包括 Gumbel 重参数化似然与软步骤 GRPO 比率，并在三个基准上与同骨干的硬思考、固定软度思维链基线做受控比较。

设计 AdaptSoft 控制器，用当前隐藏状态与下一 token 分布的预测不确定性逐步决定软度，使温度在基础值附近按步变化。 既有软思考方法通常使用固定软度，而该工作让软度随推理步骤自适应，以在保留多种候选解释与避免冲突空间关系相互干扰之间取舍。 消融显示去掉隐藏状态输入平均准确率下降 3.53 分，去掉预测不确定性下降 2.11 分；附录分析报告温度随归一化熵升高而下降，相关系数为 -0.71。

提出梯度对齐学习目标，用每一步对策略梯度的贡献与参考梯度的对齐程度，为软度控制提供步骤级学习信号，无需中间推理标注。 GRPO 的 rollout 级共享优势无法区分不同步骤应如何调节软度，该目标在不依赖外部评估器或中间推理监督的情况下补上这一信号。 消融中把步骤级梯度对齐换成 rollout 级任务优势造成最大平均降幅 4.07 分，其中 Hypothetical 推理下降 6.52 分；去掉梯度中心化平均下降 1.57 分。

在 OmniSpatial、SpatiaLab、MindCube 三个基准上，该方法在所比较的非专有模型中取得最高加权平均准确率，并优于同骨干的硬思考与固定软度思维链。 同骨干同后训练设置下，基础软思考比硬思考高 1.01 分，自适应软度再高 2.75 分；零样本迁移到 SpatiaLab 时自适应软度比基础软思考高 1.85 分，而硬思考到基础软思考仅高 0.65 分。 OmniSpatial 加权平均 49.68，分别超过 InternVL3-14B、SoFar、LaCoT 3.74、4.54、4.02 个百分点；SpatiaLab 48.71，超过最强先前开源权重模型 LVR 2.93 个百分点；MindCube 38.13，比骨干高 4.51 分。

该框架面向以大型视觉语言模型做空间推理问答的场景，训练使用 OmniSpatial 的 6,902 条训练样本，评估覆盖 OmniSpatial 的 1,533 条留出测试样本以及零样本的 SpatiaLab 与 MindCube；方法以 Qwen3-VL-8B-Thinking 为骨干，软思考只作用于推理 token，遇到 </think> 后切换为离散答案生成。对希望把软思考引入视觉语言模型推理的研究者与工程团队，这提供了一套可复现的控制器与训练目标，代码已公开。

AdaptSoft 目前没有对视觉证据不确定性的显式度量，作者把在思维链各步纳入视觉不确定性列为未来方向。温度与不确定性关系的分析基于推理 rollout 的统计，不同空间任务上自适应软度的增益幅度差异较大，其适用条件仍待更多场景检验。本总结依据的是论文全文与首页证据包，未包含图表原图，因此图 4 中逐步温度变化的具体数值无法在此复述。