FactoSR：用分解式强化学习增强 VLM 的 4D 空间推理

FactoSR 提出一种分解式强化学习框架，将视觉语言模型（VLM）的空间推理拆解为平面一致性（XY）、深度一致性（Z）与时间可逆性（T）三个正交目标，以应对 2D 投影与真实 3D/4D 推理之间的维度错配。在 VSI-Bench 和 All-Angles-Bench 上分别提升 5.9% 和 4.5%。该方法通过可验证约束的策略学习，将不适定的投影恢复问题转化为可操作的推理步骤。