把强化学习更新搬进视觉语言模型：只留主方向，MathVision 反超完整迁移 8.55 个百分点

跨模型迁移推理能力时，真正值得搬的是强化学习阶段新增的那部分参数变化，而不是供体与接收方之间的全部参数差。 此前的模型合并按供体与接收方的端点差构造位移，这个差里混着强化学习之前就存在的模型差异，无法区分哪些是后训练学到的。 把强化学习更新单独取出后，在 Qwen3-VL-8B-Instruct、LLaVA-NeXT-LLaMA3-8B、Idefics2-8B 三个接收方和五个视觉推理基准上，15 组比较中有 12 组优于共享同一参数支撑的完整更新插值。

做法是先取供体后训练检查点与其强化学习起点检查点之差，得到强化学习更新，再对每个可迁移的语言层矩阵做奇异值分解，只保留最大的那个奇异方向，并把它重新缩放到与原矩阵相同的 Frobenius 范数。 完整更新是按源语言模型优化的，其各个方向对多模态接收方未必同样有用；保留更多方向反而逐步降低 MathVista 准确率。 在 Qwen3-VL 上，范数匹配的主方向在 MathVista 上达到 81.00，十个匹配随机方向平均 74.1 左右，尾随方向为 73.10，而完整更新为 76.70。

下一步可以在更多语言-视觉组合和更多推理任务上检验主方向选择是否同样成立，尤其是 H2 与 H3 上出现退化的 MMStar 与 MathVision。做合并或迁移的工程师可以直接复用这套离线流程：分解、归一化、系数选择与检查点构造都在离线完成，检查点保持标准稠密结构，不引入额外推理模块。需要按任务核对收益，因为 15 组比较中有 3 组未超过完整更新。

主方向为何比完整更新更易迁移，材料只给出经验对照，未给出机制归因，这仍是开放问题。收益并非普遍：H2 在 MMStar 上下降，H3 在 MathVision 与 MMStar 上下降，读者应关注这些反转是否在更多骨干上重现。秩固定为一属于经验选择，秩从一增到十六准确率逐步下降，但材料未说明该规则在其他任务上的适用边界。源模型重建保真度与接收方收益是两类不同测量，不能互相替代。