看得更多意味着知道更多吗？用于多源视觉推理的单锚定优势归一化方法

基于可验证奖励的强化学习（RLVR）在视觉推理领域进展显著，但现有方法在处理多源输入时，往往将其视为信息的简单累积，缺乏区分信息增益与干扰的机制。这导致在整合物理属性或语义差异巨大的多源数据（如红外与深度）时，动态交互建模失效，甚至不如单源推理。为此，本文提出 MARS 框架，将各视觉模态视为独立信息源，利用单源奖励作为动态锚点，在优势归一化中显式融入多源融合的信息增益，自适应地增强源间协同并抑制噪声冲突。理论与实验表明，该方法能有效量化梯度估计中的信息增益，在多个数据集上显著优于基线。