SIVA-RL：用于多模态强化学习的敏感性不变视觉对齐

可验证奖励的强化学习（RLVR）推动了多模态推理发展，但答案正确性无法确保模型基于视觉证据进行预测。现有方法依据干预类型而非实际效果分配监督信号，存在局限。本文提出 SIVA-RL 框架，采用基于样本结果的条件监督替代算子条件正则化。通过构建局部干预并利用冻结审计策略评分，将奖励下降作为软路由权重，分别驱动敏感性对齐与不变性对齐。该方法解耦了干预构建与监督分配，在九个多模态推理基准上显著优于现有 RL 基线。