思维引导的强化学习框架（Guided Thought Reinforcement，简称 GTR），由清华大学、腾讯和北京大学的研究人员于 2025 年 7 月 11 日提出。相关研究成果发表于论文 GTR: Guided Thought Reinforcement Prevents Thought Collapse in RL-based VLM Agent Training 。

GTR 是一种结合自动纠错与强化学习的简单且可扩展的框架，主要用于解决视觉语言模型（VLM）智能体在复杂视觉环境中进行多步决策时，因仅依赖结果奖励而导致的「思维崩溃」问题。该框架通过引入自动纠错器，在强化学习的每一步评估并改进智能体的推理，无需密集的人工逐点标注就能同时实现推理和动作的同步训练。研究成果表明， GTR 有效抑制了思维崩溃，显著增强了模型（如 LLaVA-7B）在各种视觉环境下的表现和泛化能力；在 24 点游戏和具身任务等复杂场景中，使模型以更小的参数量实现了比现有最优模型高出 3 到 5 倍的任务成功率。