SpatialEvo：通过确定性几何环境自我进化空间智能

三维场景的空间推理是体现智能的核心能力，但持续的模型改进仍然受到几何注释成本的瓶颈。自我进化范式提供了一条有前途的道路，但它依赖模型共识来构建伪标签，导致训练加强而不是纠正模型自身的几何错误。我们确定了 3D 空间推理独有的属性，可以规避此限制：真值 是基础几何的确定性结果，可以从点云和相机姿势精确计算，无需任何模型参与。基于这一见解，我们提出了 SpatialEvo，这是一个以确定性几何环境 (DGE) 为中心的 3D 空间推理自我演化框架。 DGE 在显式几何验证规则下形式化了 16 个空间推理任务类别，并将未注释的 3D 场景转换为零噪声交互式预言机，用客观的物理反馈取代了模型共识。在 DGE 约束下，单个共享参数策略在提问者和求解者角色之间共同演化：提问者基于场景观察生成物理上有效的空间问题，而求解者根据 DGE 验证的 真值 得出精确答案。任务自适应调度程序将训练集中在模型最弱的类别上，无需手动设计即可生成动态课程。九个基准测试的实验表明，SpatialEvo 在 3B 和 7B 尺度上均取得了最高的平均分数，在空间推理基准测试中取得了一致的收益，并且一般视觉理解没有下降。