MIRROR：从另一个视角学习多模态推理

与大语言模型（LLM）的强推理能力不同，视觉语言模型（VLM）在视觉推理上挣扎——甚至在几何题这种拥有等价文本、图形与图形+文本组合视图的问题上。我们证明这些视图常引出不同行为：模型可能从文本解题却在对应图形上失败，或视觉成功而文本失败。这种不一致提示不同视图暴露互补的推理路径与失败模式，而标准多模态后训练未充分利用。为研究并利用该现象，我们构建ODA-Data——一个高质量配对多模态几何数据集：同一问题的文本主导、图像主导与图像+文本组合视图，附训练与评估模态依赖推理行为的划分。随后我们开发模态知情的互惠推理优化（MIRROR），一个经自监督改进多模态推理的强化学习方法：对每个问题，MIRROR在全部视图下评估模型，选表现最佳的视图作教师，以反向KL目标把其他视图向教师训练。在以几何题评估的推理基准上，MIRROR超过标准RL，并在模态间产生更准确、更一致的行为。