SpatialOPSD：从经过验证的编码代理痕迹中自我提取空间情报

空间编码代理通过使用外部工具生成经过验证的执行跟踪，显着改进了多模态大型语言模型 (MLLM) 中的空间推理。然而，这种范式本质上受到推理时间开销和外部依赖性的限制。在本文中，我们探讨了 MLLM 是否可以内化这种 agentic 功能，从而完全无需工具即可运行。我们从一个简单的观察开始：用空间编码代理的汇总执行轨迹提示 MLLM 自然会解锁模型的内部空间思维链 (CoT)。受此启发，我们引入了 SpatialOPSD，这是一个策略自蒸馏框架，通过将经过验证的代理跟踪制定为特权信息，将空间推理内化到独立的 MLLM 中。为了减少蒸馏过程中的特权信息泄漏，我们引入了重复感知蒸馏，它将重复屏蔽与可能性正则化结合起来。跨多个基准的实验表明，自蒸馏 SpatialOPSD 比 SFT 实现了更高的平均准确度 和 GRPO 在空间和 OOD 数据集上，表现出卓越的性能和泛化能力。