ReaLVR 用视觉证据监督潜空间推理，在 Qwen2.5-VL-7B 上取得 63.7% 五任务均值并把潜空间视觉推理扩展到 235B
该工作先分析潜视觉推理（LVR）中潜 token 的行为，指出存在“潜证据—信用缺口”——潜 token 对改变正确答案的图像扰动反应很弱，并认为这源于 GRPO 训练缺少显式监督；为此提出 ReaLVR，在模型自身自由运行的潜轨迹上引入视觉证据监督，用正确与错误答案的对比决定哪些位置需要更强监督、用相关与不匹配视觉证据的对比决定应保留什么，在三个模型家族上一致优于所评估的 LVR 基线，Qwen2.5-VL-7B 上五任务平均达 63.7%，并首次把潜空间视觉推理扩展到 235B 参数规模。