一致性作为归纳偏置：学习跨视图不变性以实现鲁棒的多模态推理

归纳偏置通过编码任务结构引导学习走向可泛化的解。本文指出多模态大语言模型（MLLMs）缺失关键的“跨视图一致性”偏置，即同一实例的语义不变视图应产生相同答案。针对标准强化学习（RLVR）仅对单点输入奖励的局限，作者提出 ConsistRoll 方法。该方法利用 GRPO 的组采样机制，将原始视图与变换视图置于同一生成组，仅当两者回答均正确且一致时赋予联合奖励。理论证明该一致性为有效归纳偏置，能惩罚视图依赖性并缓解优势坍塌。实验表明，该方法在数学、通用及幻觉检测基准上显著提升了多模态推理的鲁棒性。