多步视觉推理

SketchVL：通过细粒度信用分配的策略优化用于图表理解及其他任务

SketchVL: Policy Optimization via Fine-Grained Credit Assignment for Chart Understanding and More

把中间推理步骤以「在图上画标记」的形式外化并回灌给模型，再用过程奖励模型对每一步打分做细粒度信用分配，这套「视觉标注式思维链 + 步级 RL」可直接迁移到需要精确空间定位的视觉推理任务（图表、几何、文档、计数）。