引入几何约束后，VLM跨越了「空间推理」的认知鸿沟

背景：视觉语言模型在空间推理任务中存在“语义-几何鸿沟”，难以处理精确的空间量化问题。研究目的：为解决此问题，研究团队提出几何约束智能体，通过形式化约束和确定性计算提升模型的空间推理能力。结论：GCA方法在多个基准测试中显著提升模型性能，实现了新的SOTA，为空间智能发展提供了新范式。