PDCR：用于视觉语言推理的感知分解置信度奖励

传统可验证奖励强化学习依赖稀疏结果信号，而细粒度内在信号虽能提升文本推理，但直接应用于视觉语言任务效果不佳。因该任务混合了稀疏视觉感知与密集文本推理，全局归一化导致视觉步骤信号失真。本文提出感知分解置信度奖励（PDCR）框架，通过无监督技能分解引入视觉依赖评分，将感知与推理步骤聚类分离。在此基础上，PDCR 在各技能簇内分别计算分解优势，为两类步骤提供稳定且尺度正确的训练信号。实验表明，PDCR 在关键视觉语言推理基准上优于全局奖励及稀疏奖励基线。