GeoSense：内化几何必要性感知以进行多模态推理

迈向人工超智能需要丰富的感知能力，而克服多模态大语言模型（MLLM）有限的空间理解是关键前沿。现有方法往往僵化地向所有输入注入几何信号，忽略了其必要性并增加了计算开销。本文框架赋予模型感知不足的意识，使其能在 2D 线索不足时自主调用几何特征进行推理。我们首先引入独立的几何输入通道并进行对齐训练，随后构建专用的空间感知监督微调数据集，激活模型内部线索以自主判断几何信息的必要性。实验表明，该方法在显著提升空间推理能力的同时，未损害 2D 视觉推理性能。