超越感知捷径：面向轻量级 MLLM 可泛化视频推理的因果启发式去偏优化

尽管强化学习提升了多模态大模型的推理能力，但在轻量级模型中效果受限。本文通过因果分析揭示，基于 RL 的微调促使轻量级模型依赖数据偏差导致的感知捷径，而非发展真正的推理能力。为此，我们提出 VideoThinker 框架，采用两阶段去偏策略：首先训练“偏差模型”捕捉捷径行为，随后利用因果去偏策略优化算法，通过排斥目标迫使主模型远离错误逻辑并趋向正确解。实验表明，VideoThinker-R1 在视频推理效率上达到最先进水平，仅需少量数据进行 RL 且无需监督微调，即在多个基准测试中超越更大规模模型。