في عالم الذكاء الاصطناعي، يظهر إطار GeoReader كتقنية متقدمة تعزز من قدرة النماذج اللغوية المرئية (Vision-Language Models) في تحليل العلاقات المكانية. تواجه هذه النماذج تحديًا فيما يتعلق بفهم العلاقات المعقدة التي لا تظهر بشكل صريح في الملاحظات المعتمدة على الألوان (RGB).

تعمل نماذج الأساس الجيومتري (Geometry Foundation Models) على استعادة هذا الهيكل من ملاحظات RGB، لكن الأساليب الحالية تدمج الميزات المقدرة مع الرموز البصرية أو تقوم بمحاذاة السمات اللغوية مع الميزات الجيومترية، دون ضمان استخدامها الفعلي. في الواقع، تظهر التجارب أن إلغاء الترميز للسمات المحاذاة لا يؤدي إلى تغيير دقة النموذج.

هنا يأتي دور GeoReader، الإطار الذي يقوم بتعلم التمثيلات الجيومترية لتمكين النماذج اللغوية المرئية من قراءة هذه التمثيلات. تبدأ العملية بتدريب قارئات جيومترية خفيفة الوزن لإنتاج رموز مدخلات مستمرة، حيث تتم معالجتها مع وصفات جيومترية تم فك تشفيرها بواسطة نموذج لغوي مرئي مجمد، مما يسهل على القارئات التعبير عن الجيومتري بطريقة يمكن للنموذج المستهدف قراءتها بالفعل.

بعد ذلك، يتم تجميد القارئات للحفاظ على هذا الواجهة أثناء تحسين النموذج الخطي (VLM) على أسئلة الاستدلال المكاني، مشروطة بحقن الجيومتري بناءً على السؤال المطروح. في مرحلة الاستدلال، يجيب النموذج مباشرة من الرموز الجيومترية المستمرة دون الحاجة إلى إنتاج سلسلة من الأفكار الجيومترية.

لقد أثبتت التجارب أن تقنية GeoReader تصلد إلى درجة 94.3 على مجموعة MindCube-Tiny باستخدام نموذج Qwen3-VL-4B، ومع تعديل مختلط لمصادر الأسئلة، تنهض بمتوسط قدره 72.5 عبر ستة معايير مكانيّة إضافية باستخدام نموذج Qwen3.5-9B. تعتبر هذه النتائج مؤشراً قوياً على أن التمثيل الجيومتري المفيد هو الذي يمكن للنموذج المتلقي استخدامه بكفاءة، وليس مجرد نموذج يمكن استنتاجه من البيانات.