零数据多模态自训练不再一直啃旧题：训练日志一报警就换400道新题，八轮把均分从57.77推到61.05
零数据多模态自训练此前主要关心生成什么任务，较少处理何时该换掉已经学不出信号的题池。A-RSI把换池时机交给训练日志：当组内奖励差异消失的提示数量相对两轮前下降至少15%，或记录准确率上升至少10个百分点，就整池换成400道未用过的程序生成题，答案由程序算出而非模型投票。Qwen3-VL-8B-Instruct在11项基准的等权平均从57.77升到61.05，共引入800道新题；每窗口都换的对照用3200道新题得到60.64。