GeoX：通过自博弈与可验证奖励掌握空间推理

空间推理需解决基于图像且涉及复杂场景结构的问题，但受限于标注成本高昂。本文提出 GeoX，一种无需大规模人工数据、通过可执行程序获取可验证奖励的自博弈框架。该框架利用单一多模态策略，在 abduction、deduction 和 induction 三种模式下生成并求解空间问题。验证器执行程序以提供奖励信号，通过强化学习联合优化策略。实验表明，GeoX 显著提升了基座 VLM 性能，平均提高 5.5 分，媲美或超越基于百万级 curated 数据训练的基准，并发布了对应的自博弈基准数据集。