VLM大模型检测框集体漂移（坐标漂移）是视觉定位任务中预测边界框坐标与实际目标位置存在系统性偏移的技术问题，可通过优化预处理、坐标系统及模型适配解决。坐标漂移现象解析在GUI-R1项目使用Qwen2.5-VL模型进行grounding任务时，检测框集体漂移表现为模型预测的目标坐标与真实位置存在持续偏差。例如，模型可能将图像中物体的边界框整体向右下方偏移，导致定位结果不可靠。这种系统性偏移不同于随机误差，通常由模型处理流程中的一致性缺陷引发。问题根源探究图像预处理不一致：训练阶段与推理阶段的图像缩放（resize）操作差异是常见原因。例如，训练时采用保持宽高比的智能缩放，而推理时使用简单裁剪，导致坐标系统变化。坐标表示方式差异：绝对坐标（基于图像原始尺寸）与相对坐标（基于缩放后尺寸）的转换错误会累积误差。多次转换或未统一表示方式会放大偏移。模型架构特性：不同VLM对坐标系统的处理逻辑不同。例如，Qwen2.5-VL的坐标预测头可能对输入尺寸敏感，需针对性适配。解决方案实践采用绝对坐标系统：在数据预处理阶段统一使用绝对坐标，避免相对坐标转换的精度损失。例如，GUI-R1项目通过固定坐标原点（如图像左上角）和单位（像素），确保所有环节坐标表示一致。标准化resize操作：严格遵循模型官方的智能缩放（smart_resize）实现，保持宽高比并精确计算缩放后的坐标映射。例如，Qwen2.5-VL要求缩放后填充黑色背景，并记录缩放比例用于坐标反算。模型适配优化：针对模型特性调整坐标预测头。例如，GUI-R1项目通过增加坐标回归分支的层数，提升对小目标或密集场景的定位精度。最佳实践建议预处理一致性检查：验证训练与推理管道的图像处理流程（如resize、归一化）是否完全一致，避免因操作差异引入偏移。坐标系统审计：明确项目中使用的坐标表示方式（绝对/相对），并在数据标注、模型输入、结果输出等环节保持统一。模型特定适配：研究目标模型的官方实现细节，例如坐标处理逻辑、输入尺寸要求，确保兼容性。评估指标设计：除常规检测指标（如mAP）外，增加坐标精度专项评估（如平均坐标误差ACE），量化偏移程度。