تلعب نماذج المكافآت دورًا محوريًا في مواءمة أنظمة الرؤية واللغة مع تفضيلات البشر، ومع ذلك فإن النهج الحالي يعاني من مشكلات مثل التخيل (hallucination)، وضعف التأصيل البصري، وعدم القدرة على استخدام الأدوات للتحقق، مما يحد من موثوقيتها في المهام المعقدة المتعددة الوسائط. نقدم نموذج ARM-Thinker، وهو نموذج مكافأة متعدد الوسائط ذكي (Agentic)، يتمتع بقدرة على استدعاء أدوات خارجية تلقائيًا (مثل قص الصور، استرجاع صفحات المستندات) لتوفير أساس موثق للقرارات، مما يحل محل التقييم الثابت وغير التفاعلي للنقاط. هذا يمكّن النموذج من التحقق من التفاصيل البصرية الدقيقة، والتحقق المتقاطع من أدلة متعددة الصفحات، وتأكيدها في الاستنتاجات المنطقية، وهي قدرات غير موجودة في النماذج الحالية. تم تدريب ARM-Thinker باستخدام تعلم التقويم متعدد المراحل، مع تحسين مشترك لقرارات استدعاء الأدوات ودقة التقييم. ولتقييم النمذجة الذكية للـReward، قمنا بتطوير ARMBench-VL، الذي يتضمن ثلاث معايير تقييم تقيس التأصيل البصري الدقيق (باستخدام أدوات على مستوى الصورة)، وفهم المستندات متعددة الصفحات (باستخدام أدوات الاسترجاع)، ومتابعة التعليمات (باستخدام التحقق النصي). حقق ARM-Thinker تحسنًا متوسطًا بنسبة +16.2% في معايير التقييم، و+9.6% في مهام استخدام الأدوات، كما تفوق على النماذج الأساسية في معايير التفكير الرياضي والمنطقي المتعدد الوسائط. تُظهر نتائجنا أن القدرات الذكية تُعزز بشكل كبير كل من الدقة والقابلية للتفسير في نماذج المكافآت.