SpatialOPSD：从已验证编码 agent 轨迹自蒸馏空间智能

该论文提出 SpatialOPSD，一种 on-policy 自蒸馏框架，目的是让 MLLM 把空间编码 agent 借助外部工具产生的已验证执行轨迹内化为自身能力，从而在推理时不再依赖工具。为缓解特权信息泄漏，作者引入 Repetition-Aware Distillation，结合重复掩码与 unlikelihood 正则化。实验显示，在多个基准上，其平均准确率高于 SFT 和 GRPO，并在空间与 OOD 数据集上表现更好。

此前空间推理多依赖外部工具调用编码 agent，推理开销高且依赖外部环境。该工作尝试把 agent 能力蒸馏进单一 MLLM，使其无需工具即可运行，并在平均值上超过 SFT 与 GRPO，指向工具依赖型空间推理范式的替代路径。

机制核心是把编码 agent 的已验证轨迹当作特权信息，在 on-policy 自蒸馏中训练 MLLM 生成内部空间 Chain-of-Thought。由于训练时可见特权信息，易被模型直接复制，因此用重复掩码与 unlikelihood 正则化抑制泄漏，促使模型真正内化推理步骤而非记忆答案。

若该方法可复现，产品侧可减少对工具编排与外部依赖的运行时开销，降低推理成本与部署复杂度，使空间推理能力更易嵌入单模型。研发上需关注蒸馏数据构造、泄漏抑制与 OOD 泛化，验证其是否适用于生产级多模态任务。

• 在自有空间推理数据集上复现 SpatialOPSD，与 SFT、GRPO 做同基准对比，评估替换工具链的可行性。
• 把已验证编码 agent 轨迹整理为可复用蒸馏语料，构建面向内部模型的能力内化流水线。
• 针对工具依赖重的多模态场景，试点无工具单模型方案，测量推理延迟与准确率变化。

• 论文摘要未给出具体基准名称、模型规模与准确率数值，实际提升幅度待确认。
• Repetition-Aware Distillation 对特权信息泄漏的抑制效果缺乏消融细节。
• 该方法在真实生产任务与更大规模 MLLM 上是否同样有效尚不明确。
• 除空间推理外，能否迁移到其他 agent 能力领域未被验证。