LLM推論初出 6/3 02:59
Imaginative Perception Tokensはマルチモーダル言語モデルの空間推論を強化する
Imaginative Perception Tokens Enhance Spatial Reasoning in Multimodal Language Models
https://export.arxiv.org/api/query2026/6/3
AI要約
視覚言語モデル（VLM）の空間推論能力を向上させるため、仮想的な視点からの知覚や隠れた空間の推論を可能にする「Imaginative Perception Tokens (IPT)」を提案。これにより、より高度な空間理解を実現。