SeePhys Pro：诊断多模态 RLVR 中物理推理的模态迁移与盲训练效应

本文提出 SeePhys Pro，一个细粒度模态迁移基准，旨在研究当关键信息从文本逐步转移至图像时，模型是否保持相同的推理能力。评估显示，当前前沿模型并非表示不变的推理者：随着信息从语言转向图表，性能平均下降，视觉变量 grounding 是主要瓶颈。针对此推理脆弱性，作者开发了多模态 RLVR 大规模训练语料，并利用盲训练作为诊断控制，发现即使屏蔽所有训练图像，RL 仍能提升未屏蔽验证集性能。分析表明，这种增益源于残存文本和分布线索而非有效视觉证据，强调了需通过模态迁移鲁棒性及视觉证据依赖性来评估多模态推理。