学习自适应推理路径以实现高效视觉推理

视觉推理模型虽具备强大的跨模态能力，但常因“推理路径冗余”导致过度思考，生成不必要的长推理链。为此，本文提出自适应视觉推理框架（AVR），将视觉推理分解为感知、逻辑推理与答案应用三个认知功能，并支持模型在完整格式、仅感知格式和直接回答三种响应模式中动态选择。通过改进的群相对策略优化算法（FS-GRPO）训练，AVR 在保持准确率的同时，使令牌用量减少 50%-90%，有效缓解了视觉语言模型中的过度思考问题。