通过宽基线匹配激发多模态大模型的复杂空间推理能力

宽基线匹配（WBM）需要整合几何理解、视角变化、细粒度感知及遮挡推理，是测试多模态大模型（MLLMs）空间推理能力的挑战性问题。针对当前缺乏系统评估与训练框架的现状，本文提出了 ReasonMatch-Bench 基准，揭示了现有模型在细粒度匹配上的显著不足。为此，作者构建了可扩展的数据生成流水线，并提出动态对应强化学习（DCRL）方法，结合图像级视角进展与点级对应课程，利用可验证奖励在无显式思维链监督下提升训练效果。实验表明该方法显著提升了空间推理性能并具有良好的迁移性。