KL约束奖励最大化

面向多模态思维链的理由增强解码

Rationale-Enhanced Decoding for Multi-modal Chain-of-Thought

提供了一种推理时即插即用的解码策略：将图像条件与思维链理由条件的下一词元分布相乘，可直接套用到任意 LVLM 的多模态推理流程中，无需训练即可提升理由忠实度与答案准确率。