언어 추론과 시각적 근거
수학이나 논리 문제에서 유용한 단계별 텍스트 추론이 공간 관계 이해에도 같은 이득을 주는지는 별도 문제다. 공간 질문은 영상 안의 실제 배치와 방향을 정확히 읽는 과정이 필요하다.
프롬프트 방식의 비교
연구는 열일곱 모델을 열세 공간 벤치마크에서 평가했다. 그 실험에서는 CoT 프롬프트가 시각 공간 추론 성능을 낮추는 양상이 나타났다고 보고했다.
영상이 없는 조건의 진단
No-Image++ 절제 실험으로 모델의 답변이 실제 영상에 얼마나 의존하는지 살폈다. 영상이 없어도 텍스트 사전 지식에서 시각 세부 내용을 만들어 내는 지름길 학습 현상을 분석했다.
성능 해석의 범위
이 결과는 평가한 모델과 공간 과제 및 프롬프트 조건에 대한 관찰이다. 추론 문장의 길이나 자세함만으로 시각적 근거의 충실도를 판단하기보다 정답률과 영상 제거 조건의 반응을 함께 확인하는 것이 핵심이다.
관련 문서
사고 사슬 / VSR 공간 관계 평가 / Winoground 실패 원인 분석 / 지름길 학습 / Astra 시각 공간 추론 / MosaicThinker