视觉敏感性不等于可伸缩性：多模态强化学习的持久性感知信用分配

具有可验证奖励的强化学习（RLVR）已扩展到大型视觉语言模型（LVLM），感知感知方法进一步鼓励政策依赖视觉证据。然而，依赖图像并不能保证视觉主张得到它的支持。在 RL 训练之前，Qwen2.5-VL-7B 在四个多模态推理基准上正确回答的响应中有 27.81% 包含至少一个图像不支持的直接视觉主张。由于结果级强化学习将每个响应作为一个整体进行奖励，因此这些主张继承了正确答案的积极信用。我们引入了一种固定rollout的反事实诊断，可以在干预图像下重新对相同的响应进行评分，以分离证据函数敏感性（EFS）、模型的预测变化的强度、主张的持久性、模型是否继续支持相同的主张而不是撤回它。诊断揭示了敏感性-持久性解耦（SPD）：在 DAPO 和 VPPO 下，EFS 增加，索赔总体上变得更加可撤销，但不受支持的索赔变得更加持久，而 GRPO 提高了 EFS 而没有这种恶化。因此，我们提出持久感知信用门控（PACG），它会削弱异常持久的视觉声明的积极信用，并保持所有其他信用不变。它不需要支持/不支持的标签，并且不会增加推理成本。在 Qwen2.5-VL-7B 上，PACG 使用 DAPO 将三个种子的九个基准平均值从 58.1% 提高到 59.9%，使用 VPPO 从 59.8% 提高到 60.9%，同时使不受支持的声明更容易撤回。收益扩展到更大的模型、更新的主干网，并且 HallusionBench 的准确性也持续提高。这些结果表明，视觉敏感性和索赔可撤销性是多式联运信用分配的互补维度。