逃离语言先验：通过模态感知策略优化缓解音频推理中的后期模态坍塌

音频及全模态大语言模型虽具备跨模态推理能力，但在标准强化学习后训练中易出现结构性漏洞：均匀的策略梯度忽略了 token 对非文本模态的依赖差异，导致长思维链生成中发生后期模态坍塌，模型放弃源信号而产生幻觉。为此，本文提出模态感知策略优化（MAPO）框架。该方法利用模态相关性掩码动态聚焦关键 token 的策略梯度，并引入辅助注意力损失分支，确保模型在深层推理中维持跨模态 grounding。实验表明，MAPO 显著提升了复杂音频推理的长程保真度与指令遵循能力，在多个基准测试中创下开源模型新纪录。