模型官方一手

中山大学 GeoThinker-F 去掉 3D 编码器,空间推理提速 3.6 倍

Sun Yat-sen University's GeoThinker-F Speeds Up Spatial Reasoning 3.6x by Dropping the 3D Encoder

精选理由

中山大学这个思路挺聪明:训练时借 VGGT 学 3D 空间线索,推理时把 3D 编码器整个扔掉,延迟从 1.45 秒压到 0.40 秒。做空间智能体、具身智能部署的可以看看这套蒸馏方法。

中山大学团队发布 GeoThinker-F,空间推理延迟从 1.45 秒降至 0.40 秒,速度提升 3.6 倍。核心思路是在训练阶段让模型从 VGGT(Visual Geometry Grounded Transformer)中学习三维空间线索,推理阶段则完全移除 3D 编码器,不再依赖它。

正文

具体机制上,GeoThinker-F 把 VGGT 的几何知识蒸馏进视觉语言模型,使模型在推理时直接从 2D 图像推断空间关系,省去了逐帧运行 3D 编码器的开销。这解决了传统空间推理管线中 3D 重建模块带来的延迟瓶颈,同时保留了空间理解能力。

对部署空间智能体或具身智能系统的开发者来说,这种"训练时用重模型、推理时轻量化"的蒸馏路线,是降低延迟与算力成本的可复用范式。

原文 · pandaily

Sun Yat-sen University's GeoThinker-F Speeds Up Spatial Reasoning 3.6x by Dropping the 3D Encoder

Sun Yat-sen University's GeoThinker-F learns 3D cues from VGGT during training, then drops it, cutting spatial reasoning latency from 1.45 s to 0.40 s.

产业坐标与信源核验

本条情报归属 AITOP「模型」核心栏目,重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:GeoThinker-F、VGGT、空间推理、推理模型,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始信息发布自一手权威信源「pandaily」(Tier-1 一手发布),具备高确定性参考价值。