通过采样校正和推理干预，检验RLVR提升图像质量评估的真正来源。
推荐理由：研究没有把更流畅的思维链等同于能力提升，而是控制采样并干预显式推理，区分RL带来的评分能力、搜索收益和捷径行为，有助于纠正视觉模型评测中的因果误判。
阅读原文