MentalThink는 MLLM에 시각적 추론 능력을 부여하는 새로운 패러다임입니다. SVG 코드를 생성, 렌더링, 해석하는 '생각-with-SVG' 파이프라인을 통해 모델이 시각적 표현을 외부화하고 추론할 수 있도록 합니다. 두 단계 훈련 방식으로 시각적 가설 검토 및 개선을 유도하여 VSIBench에서 55.1%, MindCube에서 76.0%의 성능을 달성했습니다.
MentalThink는 MLLM이 공간적 가설을 검토하고, 결정론적 렌더링을 통해 점검하며, 제한된 기하학적 공간 내에서 추론할 수 있도록 돕습니다. 이는 인간의 정신 이미지 과정을 모방하는 방식입니다. Supervised Fine-Tuning(SFT)과 Reinforcement Learning(RL)을 결합하여 훈련했습니다.
MentalThink는 SVG를 활용하여 동적 관점 전환, 시각적 반성, 구성적 장면 구축을 위한 검증 가능한 시각적 작업 공간을 제공합니다.