空间推理不再靠猜深度：训练时喂3D线索，推理时只留RGB，四榜均值37.6
视觉语言模型的空间推理弱在输入：RGB图像不直接给出几何证据，而现有做法要么在推理时接入3D、付出架构与延迟代价，要么只用最终答案做奖励，无法纠正推理链中判错的深度或方向。GPD把深度、语义分割和鸟瞰布局渲染成紧凑文本，按问题路由后只交给教师模型，配合参考答案对错误轨迹施加特权KL，与GRPO联合训练，部署模型仍只吃RGB。在4B骨干上，VSI-Bench达到57.1，MindCube、SPAR-Bench、MMSI-Bench与ViewSpatial四榜均值37.6，高于GRPO与仅用答案作特权的OPSD。