待验证50% 置信事实精确时间
GeoThinker-F 的训练过程被拆分成两个阶段：第一阶段冻结MLLM主干，只训练轻量级的隐帧预测（LFP）头；第二阶段移除外部3D专家，联合优化空间接地时序融合（SGT）模块。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
GeoThinker-F：让多模态大模型摆脱外部3D编码器的空间智能新框架
rss2026/10/14
涉及实体
相关事实
待验证LLaVA的训练分为两个阶段：第一阶段是预训练对齐（冻结视觉编码器和语言模型，仅训练投影层），第二阶段是指令微调（解冻语言模型进行端到端训练）74% 相似待验证TRACER 采用两阶段训练：第一阶段在真实用户对话上做监督微调（SFT），第二阶段引入多轮强化学习（RL）70% 相似待验证Pistis的训练流程分为两个阶段：第一阶段为大规模多模态监督微调（SFT），第二阶段为交替蒸馏与强化学习（IDRL）69% 相似待验证SpatialASM 的核心思路是训练时的空间模拟，不在推理阶段依赖额外工具69% 相似待验证以往的多模态扩散工作通常先训练单模态基础模型再通过微调扩展到双模态生成，该路线降低了训练成本但可能限制跨模态交互的深度。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037820API
curl https://kongchang.com/api/v1/knowledge/claims/1037820MCP
get_claim(id=1037820)