# Selective-RL 选择性强化学习更新迁移

把语言模型强化学习阶段的参数更新单独取出，只保留每个矩阵中最强的一个方向并按原幅度缩放，再注入视觉语言模型的语言模块，这种免训练迁移在三个模型家族、五个视觉推理基准的15组比较中有12组优于整段更新插值，Qwen接收方在MathVision上提升8.55个百分点。对照实验显示，仅匹配更新幅度或使用任意低秩方向都无法复现这一增益，说明后训练中获得的能力与可跨模型迁移的部分并不等同。

把语言模型强化学习阶段的参数更新单独取出，只保留每个矩阵中最强的一个方向并按原幅度缩放，再注入视觉语言模型的语言模块，这种免训练迁移在三个模型家族、五个视觉推理基准的15组比较中有12组优于整段更新插值，Qwen接收方在MathVision上提升8.55个百分点。对照实验显示，仅匹配更新幅度或使用任意低秩方向都无法复现这一增益，说明后训练中获得的能力与可跨模型迁移的部分并不等同。