大模型推理能力

Causal Reasoning Elicits Controllable 3D Scene Generation

Shen Chen, Ruiyu Zhao, Jiale Zhou, Zongkai Wu, Jenq-Neng Hwang, Lei Li

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Focusing by Contrastive Attention: Enhancing VLMs' Visual Reasoning

Yuyao Ge, Shenghua Liu, Yiwei Wang, Lingrui Mei, Baolong Bi, Xuanshan Zhou, Jiayu Yao, Jiafeng Guo, Xueqi Cheng

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of California, Merced（加州大学默塞德分校） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

DiMo-GUI: Advancing Test-time Scaling in GUI Grounding via Modality-Aware Visual Reasoning

Hang Wu, Hongkai Chen, Yujun Cai, Chang Liu, Qingwen Ye, Ming-Hsuan Yang, Yiwei Wang

机构 * University of California, Merced（加州大学梅尔德分校） ； The University of Queensland（昆士兰大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments EMNLP 2025 Main Conference

TruthLens: Visual Grounding for Universal DeepFake Reasoning

Rohit Kundu, Shan Jia, Vishal Mohanty, Athula Balachandran, Amit K. Roy-Chowdhury

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

VIKSER: Visual Knowledge-Driven Self-Reinforcing Reasoning Framework

Chao Wang, Chunbai Zhang, Yongxiao Tian, Yang Zhou, Yan Peng

机构 * School of Future Technology, Shanghai University（未来技术学院，上海大学） ； School of Mechatronic Engineering and Automation, Shanghai University（机械电子工程与自动化学院，上海大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments 14 pages,17 figures

Embodied Spatial Intelligence: from Implicit Scene Modeling to Spatial Reasoning

Jiading Fang

机构 * Toyota Technological Institute at Chicago (TTIC)（丰田技术研究所（芝加哥）） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

SeqVLM: Proposal-Guided Multi-View Sequences Reasoning via VLM for Zero-Shot 3D Visual Grounding

Jiawen Lin, Shiran Bian, Yihang Zhu, Wenbin Tan, Yachao Zhang, Yuan Xie, Yanyun Qu

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； School of Computer Science, Nanjing University（南京大学计算机科学学院） ； School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

DeepThink3D: Enhancing Large Language Models with Programmatic Reasoning in Complex 3D Situated Reasoning Tasks

Jiayi Song, Rui Wan, Lipeng Ma, Weidong Yang, Qingyuan Zhou, Yixuan Li, Ben Fei

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

SORT3D: Spatial Object-centric Reasoning Toolbox for Zero-Shot 3D Grounding Using Large Language Models

Nader Zantout, Haochen Zhang, Pujith Kachana, Jinkai Qiu, Guofei Chen, Ji Zhang, Wenshan Wang

机构 * Carnegie Mellon University, Robotics Institute（卡内基梅隆大学，机器人研究所） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments 8 pages, 6 figures, published in IROS 2025

Exploring Spatial Representation to Enhance LLM Reasoning in Aerial Vision-Language Navigation

Yunpeng Gao, Zhigang Wang, Pengfei Han, Linglin Jing, Dong Wang, Bin Zhao

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Free-form language-based robotic reasoning and grasping

Runyu Jiao, Alice Fasoli, Francesco Giuliari, Matteo Bortolon, Sergio Povoli, Guofeng Mei, Yiming Wang, Fabio Poiesi

机构 * Fondazione Bruno Kessler（布鲁诺·科塞拉基金会） ； University of Trento（特伦托大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments Accepted to IROS 2025. Project website: https://tev-fbk.github.io/FreeGrasp/

Language-Grounded Hierarchical Planning and Execution with Multi-Robot 3D Scene Graphs

Jared Strader, Aaron Ray, Jacob Arkin, Mason B. Peterson, Yun Chang, Nathan Hughes, Christopher Bradley, Yi Xuan Jia, Carlos Nieto-Granda, Rajat Talak, Chuchu Fan, Luca Carlone, Jonathan P. How, Nicholas Roy

机构 * Massachusetts Institute of Technology（麻省理工学院） ； U.S. Army Combat Capabilities Development Command, Army Research Laboratory（美国陆军战斗能力发展指挥部，陆军研究实验室） 纠错

专题命中 视觉空间推理 ：planning(title,abstract)；分类 cs.AI

Comments 12 pages, 4 figures, 4 tables

MAPS: Advancing Multi-Modal Reasoning in Expert-Level Physical Science

Erle Zhu, Yadi Liu, Zhe Zhang, Xujun Li, Jin Zhou, Xinjie Yu, Minlie Huang, Hongning Wang

机构 * The Conversational AI (CoAI) Group（对话人工智能小组） ； Department of Computer Science & Technology（计算机科学与技术系） ； Department of Electrical Engineering（电子工程系） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Journal ref Proceedings of the 13th International Conference on Learning Representations (ICLR), 2025

CAD-GPT: Synthesising CAD Construction Sequence with Spatial Reasoning-Enhanced Multimodal LLMs

Siyu Wang, Cailian Chen, Xinyi Le, Qimin Xu, Lei Xu, Yanzhou Zhang, Jie Yang

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments Accepted at AAAI 2025 (Vol. 39, No. 8), pages 7880-7888. DOI: 10.1609/aaai.v39i8.32849

Journal ref Proc. of the AAAI Conf. on Artificial Intelligence, 39(8):7880-7888, 2025

Machine Mental Imagery: Empower Multimodal Reasoning with Latent Visual Tokens

Zeyuan Yang, Xueyang Yu, Delin Chen, Maohao Shen, Chuang Gan

机构 * University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments Project page: https://vlm-mirage.github.io/

Reinforcing Spatial Reasoning in Vision-Language Models with Interwoven Thinking and Visual Drawing

Junfei Wu, Jian Guan, Kaituo Feng, Qiang Liu, Shu Wu, Liang Wang, Wei Wu, Tieniu Tan

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Ant Group（蚂蚁集团） ； CUHK MMLab（香港中文大学MMLab） ； Nanjing University（南京大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

PeRL: Permutation-Enhanced Reinforcement Learning for Interleaved Vision-Language Reasoning

Yizhen Zhang, Yang Ding, Shuoshuo Zhang, Xinchen Zhang, Haoling Li, Zhong-zhi Li, Peijie Wang, Jie Wu, Lei Ji, Yelong Shen, Yujiu Yang, Yeyun Gong

机构 * Tsinghua University（清华大学） ； Microsoft（微软） ； CASIA（中国科学院自动化研究所） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

ChartReasoner: Code-Driven Modality Bridging for Long-Chain Reasoning in Chart Question Answering

Caijun Jia, Nan Xu, Jingxuan Wei, Qingli Wang, Lei Wang, Bihui Yu, Junnan Zhu

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS研究所） ； Shenyang Institute of Computing Technology, Chinese Academy of Sciences（中国科学院沈阳计算技术研究所） ； Beijing Wenge Technology Co., Ltd.（北京文耕科技有限公司） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL

Spatial Reasoning with Denoising Models

Christopher Wewer, Bart Pogodzinski, Bernt Schiele, Jan Eric Lenssen

机构 * Max Planck Institute for Informatics, Saarland Informatics Campus, Germany（马克斯·普朗克研究所（信息学研究所），萨尔兰信息学校区，德国） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.LG

Comments Project website: https://geometric-rl.mpi-inf.mpg.de/srm

Spatial-RAG: Spatial Retrieval Augmented Generation for Real-World Geospatial Reasoning Questions

Dazhou Yu, Riyang Bao, Ruiyu Ning, Jinghong Peng, Gengchen Mai, Liang Zhao

机构 * Emory University（埃默里大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.LG

Diffusion as Reasoning: Enhancing Object Navigation via Diffusion Model Conditioned on LLM-based Object-Room Knowledge

Yiming Ji, Kaijie Yun, Yang Liu, Zhengpu Wang, Boyu Ma, Zongwu Xie, Hong Liu

机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin 150001, China（机器人系统国家重点实验室，哈尔滨工业大学，哈尔滨） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore 639798, Singapore（机械与航空航天工程学院，南洋理工大学，新加坡） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Object Navigation with Structure-Semantic Reasoning-Based Multi-level Map and Multimodal Decision-Making LLM

Chongshang Yan, Jiaxuan He, Delun Li, Yi Yang, Wenjie Song

机构 * School of Automation（自动化学院） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments 16 pages, 11 figures

Navigating Motion Agents in Dynamic and Cluttered Environments through LLM Reasoning

Yubo Zhao, Qi Wu, Yifan Wang, Yu-Wing Tai, Chi-Keung Tang

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

GETReason: Enhancing Image Context Extraction through Hierarchical Multi-Agent Reasoning

Shikhhar Siingh, Abhinav Rawat, Chitta Baral, Vivek Gupta

机构 * School of Computing and Augmented Intelligence, Arizona State University（计算与增强智能学院，亚利桑那州立大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL

Scaling and Beyond: Advancing Spatial Reasoning in MLLMs Requires New Recipes

Huanyu Zhang, Chengzu Li, Wenshan Wu, Shaoguang Mao, Yifan Zhang, Haochen Tian, Ivan Vulić, Zhang Zhang, Liang Wang, Tieniu Tan, Furu Wei

机构 * Microsoft Research（微软研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； Nanjing University（南京大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.LG

Beyond Perception: Evaluating Abstract Visual Reasoning through Multi-Stage Task

Yanbei Jiang, Yihao Ding, Chao Lei, Jiayang Ao, Jey Han Lau, Krista A. Ehinger

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments Accepted at ACL Findings

EPO: Explicit Policy Optimization for Strategic Reasoning in LLMs via Reinforcement Learning

Xiaoqian Liu, Ke Wang, Yongbin Li, Yuchuan Wu, Wentao Ma, Aobo Kong, Fei Huang, Jianbin Jiao, Junge Zhang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tongyi Lab（通义实验室） ； The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（复杂系统认知与决策智能重点实验室，中国科学院自动化研究所） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL

Comments ACL2025 main

Plane Geometry Problem Solving with Multi-modal Reasoning: A Survey

Seunghyuk Cho, Zhenyue Qin, Yang Liu, Youngbin Choi, Seungbeom Lee, Dongwoo Kim

机构 * Graduate School of Artificial Intelligence, POSTECH（POSTECH人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH（POSTECH计算机科学与工程系） ； Australian National University（澳大利亚国立大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.LG

Comments 18 pages

Real-Time Verification of Embodied Reasoning for Generative Skill Acquisition

Bo Yue, Shuqi Guo, Kaiyu Hu, Chujiao Wang, Benyou Wang, Kui Jia, Guiliang Liu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

SceneLLM: Implicit Language Reasoning in LLM for Dynamic Scene Graph Generation

Hang Zhang, Zhuoling Li, Jun Liu

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

Comments 29 pages, 7 figures