研究发现RL训练仅改善VLMs注意力分配，未直接改变视觉感知

强化学习显著提升视觉语言模型（VLMs）智能体的任务成功率，但视觉编码器探测准确率保持稳定，仅LLM层探测准确率提高。 分析发现LLM层在RL训练中对视觉token的关注度增加。通过固定注意力偏置的无参数干预，部分恢复了未训练模型的视觉问答增益，证明视觉信息利用效率提升是RL收益的关键机制。