**GPD：利用3D几何特权蒸馏提升视觉语言模型空间推理能力**

_Distilling Routed 3D Privilege for Spatial Reasoning in Vision-Language Models_

> 针对视觉语言模型（VLM）空间推理能力不足的问题，论文提出GPD（几何特权蒸馏）方法。该方法在训练阶段利用3D扫描数据生成的深度、语义及鸟瞰图（BEV）线索作为“特权”信息，通过在线策略自蒸馏（OPSD）和特权KL散度增强GRPO算法，仅对错误轨迹进行修正。部署时模型仅依赖RGB输入，无需额外3D架构。实验显示，GPD在VSI-Bench等多个空间推理基准上显著优于传统GRPO及仅基于答案特权的蒸馏方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.12355)