已收录文章摘要，完整内容可前往原文阅读。
近年来，以 DeepSeek-R1 为代表的推理模型通过显式生成中间推理过程，在数学、代码和复杂逻辑推理等任务上展现出强大能力。随着这一推理范式逐渐扩展至视觉语言场景，多模态推理模型（Multimod