难度感知奖励塑形

TableMix：从数据中心视角增强多模态大语言模型的表格推理能力

TableMix: Enhancing Multimodal Table Reasoning in MLLMs from a Data-Centric Perspective

对做多模态表格理解或文档 VLM 的研究者，这篇给出了一个可复用的数据配方：把多模态表格数据、纯文本数学推理数据和简单多模态感知数据按比例混合，再用难度感知的 GRPO 奖励塑形，缓解预训练造成的推理能力退化；这套数据混合与奖励设计思路可以直接迁移到图表问答、文档理解等视觉推理任务的后训练中。