思维模型能通过思考来检测仇恨模因吗？

仇恨模因通常需要组合式多模态推理：图像与文本单独看可能无害，但交互后传达有害意图。尽管基于思维的多模态大语言模型（MLLMs）在视觉 - 语言理解上取得进展，但其在仇恨模因分析中的能力尚待探索。本文提出一种基于强化学习的后训练框架，利用任务特定奖励和新型群组相对策略优化（GRPO）目标，提升思维型 MLLM 的推理能力。具体包括：系统评估现成 MLLM 的表现；通过蒸馏生成弱监督思维链理由以扩展数据集；引入 GRPO 目标联合优化分类与解释质量，鼓励细粒度逐步推理。实验表明该方法在 Hateful Memes 基准上达到最先进水平。