已收录文章摘要，完整内容可前往原文阅读。
©作者 | 黎宇哲单位 | 华中科技大学硕士生研究方向 | 多模态大模型UniCAR-RL 不再让一个最终答案奖励同时承担“看”和“想”的监督，而是用三条共享参数的 RL 分支把感知与推理拆开优化，再