MentalThink：在心理SVG世界中塑造思维

我们引入MentalThink——一种视觉-符号推理范式——为多模态LLM（MLLM）配备可执行的心理可视化机制。MentalThink的核心是用SVG思考管线——模型学习生成、渲染并解释可缩放矢量图形（SVG）代码——作为多轮推理的中间视觉表示。通过创建结构化矢量草图——模型可以外化空间假设、经确定性渲染检查它们——并在受限几何空间内推理——有效模拟人类心理意象过程。我们通过两阶段训练框架实例化该范式：结合SVG语法对齐的监督微调（SFT）与鼓励迭代检查、修订与精炼中间视觉假设的多轮强化学习（RL）。大量评估表明MentalThink在空间理解与推理基准上取得卓越性能（如VSIBench 55.1%、MindCube 76.0%）——表明可执行矢量图形为动态视角采取、视觉反思与组合式场景构建提供了可验证的视觉工作区。