SCOUTによる視覚言語モデルの3D空間推理能力向上手法

arXiv cs.AI ・ 2026-08-12

原題: SCOUT: Unlocking Enhanced Spatial Reasoning via Structured Chain-of-Thought and Multi-Objective Process Reward

AI による要約

視覚言語モデルにおける3D空間推理の弱点を克服するため、構造化Chain-of-Thoughtとプロセス監視型強化学習を組み合わせた手法「SCOUT」が提案された。3D空間認識を明示的にモデル化する推論フレームワークと多目的プロセス報酬を採用し、中間推論ステップへの適切な信用割り当てを実現する。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.AI）をご確認ください。