强化学习微调（Reinforcement Fine-Tuning, RFT）是一种包含监督微调（Supervised Fine-Tuning, SFT）与强化学习（Reinforcement Learning, RL）两个阶段的两阶段框架，在提升大语言模型（Large Language Models, LLMs）推理能力方面展现出显著成效。然而，将RFT扩展至大规模视频语言模型（Large Video Language Models, LVLMs）仍面临诸多挑战。为此，我们提出VideoP2R——一种新颖的、面向过程的视频强化学习微调框架，通过将感知与推理建模为两个独立的过程，从而增强视频推理能力。在SFT阶段，我们设计了一套三步式流水线，构建了高质量、面向过程的思维链（Chain-of-Thought, CoT）数据集VideoP2R-CoT-162K，专门用于支持感知与推理任务。在RL阶段，我们提出一种新型的面向过程的组相对策略优化算法（Process-Aware Group Relative Policy Optimization, PA-GRPO），能够分别为感知和推理阶段提供独立的奖励信号。大量实验表明，VideoP2R在七个视频推理与理解基准测试中的六个上达到了当前最优（State-of-the-Art, SotA）性能。消融实验进一步验证了我们所提出的面向过程建模机制以及PA-GRPO算法的有效性，并证明模型的感知输出已具备充分的信息量，足以支撑下游推理任务的高质量执行。