STAR：通过拐点对齐与片段级DPO缓解空间推理中的级联错误
计算机视觉与模式识别
2026-04-02 v1
摘要
结构化空间导航是大型语言模型（LLM）空间推理的核心基准。现有的范式如思维可视化（VoT）在复杂拓扑中容易产生级联错误。为解决这一问题，我们提出STAR，一个基于拓扑锚点的两阶段框架，并引入RedMaze-23K数据集，其中包含人类启发的拐点标注。第一阶段使用监督微调帮助模型内化空间语义并剪枝冗余路径。第二阶段采用空间感知片段级直接偏好优化（SDPO）来细化长视野导航中的自我纠正。实验表明，STAR在开源模型中达到了最先进性能：其32B变体超越了DeepSeek-V3（29.27% vs. 25.00%），并达到了GPT-4性能的82.4%。
引用
@article{arxiv.2604.00558,
title = {STAR: Mitigating Cascading Errors in Spatial Reasoning via Turn-point Alignment and Segment-level DPO},
author = {Pukun Zhao and Longxiang Wang and Chen Chen and Peicheng Wang and Fanqing Zhou and Runze Li and Haojian Huang},
journal= {arXiv preprint arXiv:2604.00558},
year = {2026}
}
备注
9 pages, 6 figures, 4 tables, Accepted by ICME 2026