视觉语言模型 / CVPR2026
Socratic-Geo:通过多智能体交互的合成数据生成与跨模态几何推理
Socratic-Geo: Synthetic Data Generation and Cross-Modal Geometric Reasoning via Multi-Agent Interaction
对做视觉语言模型几何推理的人,这篇提供了用多智能体闭环把「图像-文本对」合成与模型学习需求耦合起来的范式:Teacher 用参数化 Python 脚本加可解性/视觉有效性反思保证数据纯度,Solver 的失败路径反过来指导定向增广,Generator 把「图像-代码-指令」三元组蒸馏成图像生成能力,可直接迁移到其他数据稀缺的推理任务。
多智能体交互合成数据生成偏好学习