长链多模态推理中传播感知视觉保留的反射锚

长思维链（CoT）推理改善了大型视觉语言模型，但视觉信息在生成过程中通常会消失，限制了长视野多模态推理。现有的方法要么在推理中重新注入视觉，要么训练策略以获得更强的基础，但在哪里进行干预依赖于感知启发法而不是原则性增益分析，并且局部视觉影响力如何传播仍然是隐含的。我们从信息论的角度研究这个问题，并得出一步干预的下游视觉增益的下限，这表明了两个因素：局部分支空间（词元熵）和下游视觉传播潜力（与视觉边缘化参考的后缀发散）。在此分析的指导下，我们提出了反射锚策略优化（RAPO），这是一种基于 GRPO 的策略优化方法，该方法选择高熵反射锚并优化下游视觉依赖性的链屏蔽有限窗口 KL 代理。对推理密集型和通用领域基准的实验表明，RAPO 在跨多个 LVLM 主干的强大基准上提供了显着的收益。机制分析进一步表明，反射锚针对视觉敏感决策点而丰富，并且 RAPO 沿着生成的轨迹增加了对比视觉依赖性信号。