TangramSR：视觉语言模型能在连续几何空间中推理吗？

人类擅长七巧板拼装等空间推理任务，其认知过程涉及心理旋转、迭代修正和视觉反馈。受人类通过试错、观察与修正来解七巧板谜题的启发，我们设计了一个对这些人类认知机制进行建模的框架。然而，针对五个代表性视觉语言模型（VLM）的全面实验揭示了连续几何推理中的系统性失败：单块任务的平均IoU仅为0.41，两块拼合降至0.23，远低于人类表现——连儿童都能成功完成七巧板任务。本文研究自我改进AI中的一个根本性挑战：模型能否在不更新参数的情况下在测试时迭代修正其预测？我们提出一个测试时自我修正框架，将上下文学习（ICL）与奖励引导的反馈回路相结合，其灵感来自人类认知过程。我们的免训练验证器-修正器智能体应用递归修正回路，基于几何一致性反馈迭代地自我修正预测，在中等三角形案例上将IoU从0.63提升至0.932，且无需任何模型再训练。这表明，通过ICL和奖励回路引入受人类启发的迭代修正机制，可以大幅增强VLM的几何推理能力，使自我改进AI在连续空间领域从承诺走向实践。我们的工作见此匿名链接 https://anonymous.4open.science/r/TangramVLM-F582/。