RewardMap wurde im Oktober 2025 von Forschungsteams der Westlake University, der Tongji University und anderen Universitäten gemeinsam vorgeschlagen. Die entsprechenden Forschungsergebnisse wurden in der Publikation "..." veröffentlicht.RewardMap: Umgang mit spärlichen Belohnungen im feinkörnigen visuellen Denken durch mehrstufiges Reinforcement Learning".

RewardMap ist ein mehrstufiges Reinforcement-Learning-Framework (RL), das die visuelle Wahrnehmungs- und Schlussfolgerungsfähigkeit multimodaler großer Sprachmodelle (MLLMs) verbessert. Das Framework zeichnet sich durch zwei zentrale Designmerkmale aus: Erstens führt es ein schwierigkeitsabhängiges Belohnungssystem mit detaillierten Belohnungen ein, das das Problem spärlicher Belohnungen direkt angeht und gleichzeitig eine umfassendere Überwachung ermöglicht. Zweitens schlagen die Forscher ein mehrstufiges Reinforcement-Learning-Schema vor, das schrittweise von einfachen Wahrnehmungsaufgaben zu komplexen Schlussfolgerungsaufgaben übergeht und somit eine effektivere Kaltstartstrategie als das traditionelle überwachte Feinabstimmen (SFT) bietet.