arXiv cs.AI· Uttamasha Monjoree, Wei Yan·· 10 天前AI 评分24
用结构化 CoT 提升 AI 空间智能：GPT-5.6 的旋转可视化与推理
Agentic AI with Structured CoT for Enhancing AI's Spatial Intelligence: Visualization and Reasoning of Rotation
AI 导读
研究用改进版 Revised PSVT:R 测试 GPT-5.6 的 3D 旋转空间推理能力，发现结构化 CoT 推理在 PSVT:R 和带坐标系两个数据集上均提升了基础模型表现。三种 CoT 方法（结构化 CoT、few-shot 结构化 CoT、带自优化提示的结构化 CoT）之间无显著性能差异。但移除上下文信息后，仅靠结构化 CoT 提升有限，模型在空间变换理解上仍存在明显困难。
正文 · AI 翻译
摘要：近期研究表明，具备语言和视觉能力的人工智能（AI）在空间推理方面仍存在局限。本文利用 AI 的图像处理和语言处理功能，研究了先进生成式 AI 在理解 3D 空间中物体旋转方面的空间能力。我们基于修订版普渡空间可视化测试：旋转可视化（Revised PSVT:R），训练并考察了一个生成式 Agentic AI 模型（GPT-5.6）通过旋转图示理解空间旋转过程的空间智能。我们通过叠加额外的图形和上下文特征对 Revised PSVT:R 进行了改造，以评估不同的思维链（CoT）推理策略如何影响模型性能。结果表明，结构化 CoT 推理提升了基础 GPT-5.6 模型在两个数据集（PSVT:R 和带坐标系的 PSVT:R）上的空间推理性能。我们使用了三种 CoT 方法——（1）结构化 CoT，（2）少样本结构化 CoT，以及带自优化提示的结构化 CoT。本研究中评估的三种 CoT 方法未显示出显著的性能差异。结果表明，将结构化 CoT 推理与相关上下文信息相结合，可显著提升 VLM 在 3D 旋转任务上的性能，展示了 agentic AI 在更有效空间推理方面的潜力。然而，当移除上下文信息时，仅靠结构化 CoT 推理带来的提升有限，模型在理解空间变换方面仍表现出明显困难。这些发现表明，VLM 中有效的空间推理依赖于未来 agentic AI 空间智能系统中视觉、文本和推理信息的整合。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.04188 [cs.AI] |
| （或使用 arXiv:2610.04188v2 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.04188 由 DataCite 提供的 arXiv 颁发 DOI |
提交历史
来自：Uttamasha Monjoree [查看邮箱]
[v1]
2026年10月3日星期六 00:56:55 UTC（1,875 KB）
[v2]
2026年10月6日星期二 03:11:55 UTC（1,875 KB）
来源：arXiv cs.AI · arxiv.org