学习绘制 ASCII 提升语言模型的空间推理能力

本文探讨大型语言模型（LLM）是否像人类一样，能通过构建显式视觉布局来深化空间理解。作者提出 Text2Space 数据集，配对自然语言描述与真实 ASCII 网格布局，以区分表示构建失败与推理失败。研究发现 LLM 存在“读写不对称”：擅长解读但难生成 ASCII，且构建错误会导致下游推理错误。通过在布局构建任务上训练模型，显著提升了纯文本空间推理能力，即使推理时不生成 ASCII。该改进泛化至多个外部基准，证明学习构建显式布局能有效注入通用的空间理解能力。