bridging 感知与推理：多模态大语言模型中用于 RLVR 的 Token 重加权

将可验证奖励强化学习（RLVR）扩展至多模态大语言模型面临根本挑战：其响应交织着锚定视觉内容的感知 token 与构建推理链的推理 token。这两种 token 实例化了视觉接地与符号推理两种独立却相互依赖的能力，使得孤立优化效果不佳。本文提出即插即用的 Token 重加权（ToR）策略，通过识别关键 token 并在训练中动态重加权，显式建模这种依赖性。实验表明，该方法在多个多模态推理基准上均取得最先进性能，实现了准确的视觉接地与连贯的推理。