LeRF：为视角采择推理学习参考坐标系

针对 VLM 在视角采择中常默认相机视角的问题，研究者提出 LeRF 框架，训练模型判断是否需要坐标系，并预测以实体为中心的参考坐标系，再由轻量渲染器叠加到图像上辅助推理，无需外部感知模型或显式 3D 重建。该方法先做监督微调学习选择性调用工具与坐标系预测，再用强化学习在空间 VQA 数据上优化，在多个视角采择基准上稳定优于其骨干模型，并超过现有开源方法。