Feinabgestimmtes visuelles Schließen bleibt eine zentrale Herausforderung für multimodale große Sprachmodelle (MLLMs). Die kürzlich vorgestellte ReasonMap verdeutlicht diese Lücke, indem sie zeigt, dass selbst fortgeschrittene MLLMs Schwierigkeiten mit räumlichem Schließen in strukturierten und informationsreichen Umgebungen wie U-Bahn- oder Verkehrsplänen haben – eine Aufgabe, die sowohl praktische als auch wissenschaftliche Relevanz besitzt. Standardmäßige Verstärkendes Lernen (Reinforcement Learning, RL) auf solchen Aufgaben wird jedoch durch spärliche Belohnungen und instabile Optimierung behindert. Um dies zu beheben, konstruieren wir zunächst ReasonMap-Plus, eine erweiterte Datensammlung, die durch Visual Question Answering (VQA)-Aufgaben dichte Belohnungssignale einführt und somit eine effektive Cold-Start-Trainingsstrategie für feinabgestimmte visuelle Verständnisfähigkeiten ermöglicht. Anschließend stellen wir RewardMap vor, einen mehrstufigen RL-Framework, der sowohl die visuelle Wahrnehmung als auch die Schlussfolgerungsfähigkeiten von MLLMs verbessert. RewardMap integriert zwei zentrale Entwürfe: Erstens führen wir eine schwierigkeitsbewusste Belohnungsstruktur ein, die Detailbelohnungen beinhaltet und somit die Spärlichkeit der Belohnungen direkt angeht, während gleichzeitig eine reichhaltigere Überwachung bereitgestellt wird. Zweitens schlagen wir ein mehrstufiges RL-Schema vor, das das Training von einfachen Wahrnehmungsaufgaben über komplexe Schlussfolgerungsaufgaben hinweg schrittweise aufbaut und somit eine effektivere Cold-Start-Strategie darstellt als herkömmliche Supervised Fine-Tuning (SFT)-Ansätze. Experimente auf ReasonMap und ReasonMap-Plus zeigen, dass jedes einzelne Element von RewardMap zu konsistenten Leistungssteigerungen beiträgt, wobei die Kombination aller Komponenten die besten Ergebnisse erzielt. Darüber hinaus erreichen Modelle, die mit RewardMap trainiert wurden, im Durchschnitt eine Verbesserung um 3,47 % über sechs Benchmarks hinweg, die räumliches Schließen, feinabgestimmtes visuelles Schließen sowie allgemeine Aufgaben jenseits von Verkehrsplänen abdecken, was die gesteigerten Fähigkeiten im visuellen Verständnis und Schlussfolgern unterstreicht.