论文：V-tableR1: Process-Supervised Multimodal Table Reasoning with Critic-Guided Policy Optimization

一句话核心结论

现在的多模态大模型做表格视觉推理全是黑盒瞎猜，而 V-tableR1 用过程监督 + 评论器引导，把推理变成可验证步骤，开源模型里直接做到最强。

它到底研究了啥

提出V-tableR1框架，用过程监督强化学习，让多模态大模型在表格视觉推理上做到严谨、可验证、不幻觉。

研究场景

多模态表格推理：看图 + 表格做复杂计算、逻辑推导、数值答案。

测试对象

主流多模态大模型（MLLMs），对比开源与闭源模型。

怎么测的

• 用表格作为视觉推理测试床

• 训练专门评论器 VLM 给每一步推理反馈

• 用新算法PGPO做策略优化，惩罚幻觉与偷懒

• 在复杂表格基准上测准确率、抗幻觉、推理透明度

测出来啥结果

1. V-tableR1 4B 在开源模型里达到 SOTA

2. 能打赢18 倍参数量的更大模型

3. 明显压制视觉幻觉和捷径瞎猜

4. 把黑盒匹配变成可验证逻辑推导

AI 老毛病：

• 只看结果不看过程，黑盒推理

• 靠表面模式匹配，不做严谨多步推导

• 视觉领域容易幻觉、瞎猜、逻辑不落地

最后结论

靠结果监督不行，过程监督 + 评论器引导才是正道；V-tableR1 让表格多模态推理从 “蒙答案” 变成 “严谨推导”。