Henry Ford Health

该工作提出 Soft Spatial Reasoning 后训练框架，让大型视觉语言模型在空间推理的每个思维链步骤用混合 token 嵌入的连续软状态代替硬性选择单个 token，并用 AdaptSoft 控制器依据当前隐藏状态与预测不确定性逐步调节软度，配合梯度对齐目标训练；在 OmniSpatial、SpatiaLab、MindCube 三个基准上，其加权平均准确率均高于同骨干的硬思考与固定软度思维链基线以及所比较的现有模型。

该工作提出 Soft Spatial Reasoning 后训练框架，让大型视觉语言模型在空间推理的每个思维链步骤用混合 token 嵌入的连续软状态代替硬性选择单个 token，并用 AdaptSoft 控制器依据当前隐藏状态与预测不确定性逐步调节软度，配合梯度对齐目标训练；在 OmniSpatial、SpatiaLab、MindCube 三个基准上，其加权平均准确率均高于同骨干的硬思考与固定软度思维链基线以及所比较的现有模型。

SpatialCORE 是一个基于 GRPO 的后训练框架，它用模型自身生成 grounding（边界框）时的坐标 token 不确定性来加权几何匹配质量，并用答案门控把 grounding 优化与最终答案正确性绑定，使模型学会从「既准确又自信」定位到的任务相关物体出发进行空间推理；在 OmniSpatial 留出测试集上 SpatialCORE-8B 取得开源与专用空间推理模型中最高的加权平均准确率，并在未参与训练的 SpatiaLab 上零样本领先，消融显示去掉置信度加权后准确率从 56.33% 降到 52.33%。

SpatialCORE 是一个基于 GRPO 的后训练框架，它用模型自身生成 grounding（边界框）时的坐标 token 不确定性来加权几何匹配质量，并用答案门控把 grounding 优化与最终答案正确性绑定，使模型学会从「既准确又自信」定位到的任务相关物体出发进行空间推理；在 OmniSpatial 留出测试集上 SpatialCORE-8B 取得开源与专用空间推理模型中最高的加权平均准确率，并在未参与训练的 SpatiaLab 上零样本领先，消融显示去掉置信度加权后准确率从 56.33% 降到 52.33%。