视觉推理中 RL 更新参数的选择性迁移

研究提出围绕训练阶段更新来迁移能力，将强化学习（RL）在语言模型上引发的参数变化单独分离，再迁移到视觉语言模型（VLM），而非按端点整体迁移。作者发现该 RL 更新的各组成部分跨模型可迁移性差异显著，主导方向迁移效果更好，因此完整迁移并非最优。