奖励塑造

感知证据锚定的强化学习用于多模态推理

Perceptual-Evidence Anchored Reinforced Learning for Multimodal Reasoning

将视觉感知验证作为强化学习奖励的锚点，通过感知检查表生成辅助奖励来约束推理过程，可复用于任何需要提升视觉证据忠实度的VLM推理任务。