过程级奖励

CodeV：以图像代码实现忠实视觉推理的工具感知策略优化

CodeV: Code with Images for Faithful Visual Reasoning via Tool-Aware Policy Optimization

对做多模态视觉推理智能体的人，这篇提供了可复用的过程级奖励设计思路：把奖励直接定义在图像裁剪等工具输入/输出上而非思维链 token 上，并用可执行 Python 代码表示视觉工具，从而抑制奖励作弊、提升工具使用的证据一致性；其忠实性评测协议也可直接用于诊断自家 VLM 的"猜对答案但推理不忠实"问题。