論文の概要: Ouroboros-Spatial: Closing the Data-Model Loop for Spatial Reasoning

• arxiv url: http://arxiv.org/abs/2606.11719v1
• Date: Wed, 10 Jun 2026 06:49:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.330549
• Title: Ouroboros-Spatial: Closing the Data-Model Loop for Spatial Reasoning
• Title（参考訳）: Ouroboros-Spatial:空間推論のためのデータモデルループのクローズ
• Authors: Enhan Zhao, Wei Wu, Yuanrui Zhang, Xueliang Zhao, Di He,
• Abstract要約: 既存のアプローチは、大規模で静的にキュレートされたデータセットに大きく依存している。 Ouroboros-Spatialは自己進化型トレーニングフレームワークであり、モデルがプロジェクタとソルバとして二重の役割を演じる。 Ouroboros-SpatialはQwen3-VL-4BとQwen3-VL-8Bを大幅に改善し、最近の大規模データセットよりも少ないトレーニング例を使用した。
• 参考スコア（独自算出の注目度）: 13.767813688729161
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spatial reasoning remains a persistent challenge for multimodal large language models (MLLMs). Existing approaches largely rely on large-scale, statically curated datasets, where all training samples are treated uniformly regardless of the model's evolving capabilities. This static paradigm is inherently data-inefficient: training capacity is often spent on samples that are either trivial or overly difficult for the model at its current stage. To address this limitation, we propose Ouroboros-Spatial, a self-evolving training framework in which the model plays dual roles as a proposer and a solver. In each iteration, a frozen proposer generates spatial question-answer (QA) pairs from 3D scene metadata and raw video frames, together with executable code for deriving reliable ground truth. A learnable solver is then fine-tuned on the accepted samples, and its per-sample prediction confidence is used as a difficulty signal. This signal is fed back to the proposer in the next iteration, guiding it to generate questions better matched to the solver's current capabilities. Through this closed-loop design, the training distribution co-evolves with model ability, reducing redundant trivial examples while filtering out ambiguous or uninformative samples with limited learning value. Across six spatial reasoning benchmarks, Ouroboros-Spatial substantially improves Qwen3-VL-4B and Qwen3-VL-8B while using an order of magnitude fewer training examples than recent large-scale curated datasets. On VSI-Bench, it yields absolute gains of 9.9 and 6.8 points for the 4B and 8B models, respectively, enabling both to outperform a wide range of strong open-source and proprietary baselines.
• Abstract（参考訳）: 空間推論は、マルチモーダルな大言語モデル(MLLM)にとって永続的な課題である。 既存のアプローチは主に大規模で静的にキュレートされたデータセットに依存しており、モデルの進化する機能に関係なく、すべてのトレーニングサンプルが均一に扱われる。 この静的パラダイムは本質的にデータ非効率であり、トレーニング能力は、現在の段階でモデルにとって自明であるか過度に難しいサンプルに費やされることが多い。 この制限に対処するために,モデルが提案者および解決者として二重の役割を担う自己進化型トレーニングフレームワークであるOuroboros-Spatialを提案する。 各イテレーションにおいて、凍結されたプロジェクタは、3Dシーンメタデータと生のビデオフレームから空間質問応答(QA)ペアを生成し、信頼性の高い地上真実を導き出す実行可能なコードを生成する。 得られたサンプルに対して学習可能な解法を微調整し、そのサンプルごとの予測信頼度を難信号として使用する。 このシグナルは次のイテレーションでプロジェクタにフィードバックされ、ソルバの現在の能力にマッチした質問を生成する。 このクローズドループ設計を通じて、トレーニング分布はモデル能力と共進化し、学習値に制限のあるあいまいなサンプルや非形式的なサンプルをフィルタリングしながら、余分な自明なサンプルを減らす。 6つの空間的推論ベンチマークで、Ouroboros-SpatialはQwen3-VL-4BとQwen3-VL-8Bを大幅に改善し、最近の大規模データセットよりもはるかに少ないトレーニング例を使用した。 VSI-Benchでは、4Bモデルと8Bモデルでそれぞれ9.9ポイントと6.8ポイントの絶対ゲインが得られ、強力なオープンソースベースラインとプロプライエタリベースラインの両方を上回っている。

関連論文リスト

• Learning to Solve Generative ODEs Beyond the Linear Span [50.13853710831612]
  空間残留演算子を用いてスカラー係数更新を増強する軽量ニューラルソルバであるSpanLiftを提案する。 SpanLiftは、ピクセル空間の拡散、潜水流のマッチング、降水は今、最先端の数ステップのサンプリングを実現している。
  論文  参考訳（メタデータ） (2026-06-07T15:22:13Z)
• Learning to Build the Environment: Self-Evolving Reasoning RL via Verifiable Environment Synthesis [37.03537014865641]
  我々は、モデルが単に問題やトレースを生成して模倣するだけでなく、それを訓練する環境を構築する、自己改善型言語モデルに対するビジョンを追求する。 このビューをEvoEnvでインスタンス化します。EvoEnvは10個のシードからPython環境を合成する単一ポリシージェネレータ、ソルバメソッドです。
  論文  参考訳（メタデータ） (2026-05-14T05:14:45Z)
• Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching [66.39914384073145]
  本稿では,安価な拡散サンプリング推論をステップレベル候補の再利用プールに変換する自己整合性フレームワークを提案する。 ステップレベルの再結合は、難しい問題に対して最も有益であることがわかった。 トレーニング不要のフレームワークは、6つの数学およびコーディングタスクの平均精度を最大2倍改善します。
  論文  参考訳（メタデータ） (2026-02-26T11:08:39Z)
• VADE: Variance-Aware Dynamic Sampling via Online Sample-Level Difficulty Estimation for Multimodal RL [38.782188833641676]
  GRPOやGSPOのようなグループベースのポリシー最適化手法は、マルチモーダルモデルのトレーニングの標準となっている。 グループ内のすべての応答が同じ報酬を受けると、それらは致命的な急激な消滅問題に悩まされる。 textbfVADEは,オンラインサンプルレベルの難易度を用いたサンプリングフレームワークである。
  論文  参考訳（メタデータ） (2025-11-24T08:59:54Z)
• Satori-SWE: Evolutionary Test-Time Scaling for Sample-Efficient Software Engineering [51.7496756448709]
  言語モデル(LM)は、コーディングベンチマークではうまく機能するが、現実のソフトウェア工学のタスクでは苦労する。 既存のアプローチは、高品質なデータによる教師付き微調整に依存している。 本研究では, 生成を進化過程として扱うサンプル効率の高い手法であるテスト時間スケーリング(EvoScale)を提案する。
  論文  参考訳（メタデータ） (2025-05-29T16:15:36Z)
• Fourier Head: Helping Large Language Models Learn Complex Probability Distributions [7.074506869260538]
  フーリエ級数を用いて構築されたニューラルネットワーク層を導入し,出力がより連続的な構造であれば,任意の線形層に置換することができる。 我々は,大規模な意思決定や時系列予測タスクと同様に,合成データセットの広範な分析を行う。 提案したフーリエヘッドは,基礎となるデータ分布が自然な連続構造を持つシナリオにおいて有効である。
  論文  参考訳（メタデータ） (2024-10-29T17:27:58Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• The Right Tool for the Job: Matching Model and Instance Complexities [62.95183777679024]
  NLPモデルが大きくなればなるほど、訓練されたモデルを実行するには、金銭的・環境的なコストを発生させる重要な計算資源が必要である。 我々は、推論中、早期(かつ高速)の"exit"を可能にする文脈表現微調整の修正を提案する。 3つのテキスト分類データセットと2つの自然言語推論ベンチマークの2つのタスクで、5つの異なるデータセットに対して提案した修正を検証した。
  論文  参考訳（メタデータ） (2020-04-16T04:28:08Z)
• Beat the AI: Investigating Adversarial Human Annotation for Reading Comprehension [27.538957000237176]
  人間は、モデルが正しい答えに失敗するように、逆さまに質問を作成する。 アノテーションループでは,より強力なモデルで36,000のサンプルを収集する。 その結果,非対向的なサンプルの学習は,非対向的なデータセットに強い一般化をもたらすことがわかった。 より強力なモデルは、より弱いループモデルで収集されたデータセットから学習できることが分かっています。
  論文  参考訳（メタデータ） (2020-02-02T00:22:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。