过程监督

STAR-R1：通过强化多模态大模型实现多视图空间变换推理

STAR-R1: Multi-View Spatial TrAnsformation Reasoning by Reinforcing Multimodal LLMs

把可验证奖励的强化学习（RLVR）与过程监督 SFT 两阶段结合，用于多视图空间变换推理；其「指代感知奖励」设计可直接迁移到需要跨视图物体对应的 VLM 空间理解任务（如 MMSI-Bench、MindCube 类基准）。