置信度奖励

PDCR：面向视觉语言推理的感知分解置信度奖励

PDCR: Perception-Decomposed Confidence Reward for Vision-Language Reasoning

对做 VLM 推理训练的人，这篇给出了一个可直接复用的奖励塑形思路：用模型内部的 Visual Dependence Score 把推理链中的视觉感知步与文本推理步分开，再在各自簇内归一化置信度增益，避免稀疏视觉步的信号被密集文本步淹没；该分解与归一化流程可迁移到任何带思维链的多模态强化学习训练中。