**基于信息论的反射锚点优化:解决长链多模态推理中的视觉信息衰减问题**

_Reflection Anchors for Propagation-Aware Visual Retention in Long-Chain Multimodal Reasoning_

> 针对长链思维链(CoT)推理中视觉信息随生成过程逐渐衰减的难题,研究团队从信息论角度推导了视觉增益下界,提出了基于 GRPO 的反射锚点策略优化(RAPO)方法。该方法通过选择高熵的反射锚点并优化掩码链的 KL 散度,有效增强了视觉依赖信号。实验表明,RAPO 在多个大型视觉语言模型(LVLM)上显著提升了长程多模态推理性能。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-11-17 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2605.09614)