唤醒盲者：基于无监督智能体轨迹冷启动优化的接地视觉感知

小型视觉语言模型（SVLM）虽高效但常受限于视觉脆弱性与工具编排能力不足，且通常依赖昂贵的监督微调。本文提出 SPECTRA 框架，利用冷启动强化学习在无监督条件下引导 SVLM 自举智能体能力。该方法通过软结构多轮展开约束，强制智能体在综合推理前明确排序工具衍生的证据，从而将推理扎根于视觉观察。研究引入多目标奖励信号及工具效用指标，使智能体无需人类偏好标签即可自我发现鲁棒行为。实验表明，该方法显著提升了任务准确率与工具效率。