**想象感知令牌提升多模态语言模型空间推理能力**

_Imaginative Perception Tokens Enhance Spatial Reasoning in Multimodal Language Models_

> 该研究提出想象感知令牌（IPT），将视觉语言模型在不同空间配置下的想象感知外化为中间表示，用于增强空间推理。在视角采择、路径追踪与多视图计数三项任务上，IPT监督训练一致提升模型表现，优于文本思维链，且推理时不需生成图像。结合标签监督可进一步获益，而通过语言进行空间计算可能导致模态不匹配而退化。IPT为不可见空间结构推理提供了有效监督，改善了泛化性与可解释性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-08 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.03988)