在大视觉语言模型中桥接视觉表示与基于可验证奖励的强化学习

基于可验证奖励的强化学习（RLVR）显著提升了大语言模型的抽象推理能力，但在大视觉语言模型（LVLM）中受限于结构性表示瓶颈。现有方法缺乏对视觉信息的显式建模，阻碍了视觉表示与强化学习优化的紧密结合。为此，本文提出 KAWHI，一种即插即用的奖励重加权机制，将结构化视觉信息融入统一奖励策略优化中。该方法通过分层几何聚合定位语义显著区域，利用结构化归因识别关键视觉注意力头，并执行段落级信用重分配，以对齐空间视觉证据与决定性推理步骤。实验表明，KAWHI 能显著提升多种优化方法在多模态推理基准上的性能。