这项由马里兰大学与阿联酋人工智能大学合作完成的研究发表于2026年2月，论文编号为arXiv:2602.12395v1。对于那些想要深入了解这项研究的读者，可以通过这个编号查询到完整的学术论文。

当下，人工智能已经能够同时"看"和"思考"，这种被称为视觉语言模型的AI系统正在快速发展。就像教一个孩子既要学会看图又要学会解题一样，研究者们发现用强化学习来训练这些AI系统能显著提升它们的视觉推理能力。然而，这种训练就像给汽车换了新引擎——虽然性能提升了，但我们并不清楚这台新引擎到底改变了哪些零部件的工作方式。

这个问题困扰着整个AI研究界。当我们说强化学习让AI在视觉推理测试中表现更好时，我们其实并不知道它究竟是提升了AI的"眼力"（视觉感知能力），还是增强了它的"脑力"（逻辑推理能力），或者改善了"眼脑配合"（视觉信息与推理过程的协调）。就像一个学生数学成绩提高了，我们不知道是因为他看题更仔细了，还是计算能力更强了，或者两者配合得更好了。

为了解开这个谜题，研究团队想出了一个巧妙的办法——他们把这种研究方法比作著名小说《弗兰肯斯坦》中科学家的做法：先把"怪物"拆开，研究各个部分的功能，然后重新组装，看看哪些部分的改变真正起了作用。

研究团队首先要面对一个现实问题：传统的评估方法就像只看学生的期末考试总分，无法告诉我们学生在哪些具体能力上有了进步。他们发现，即使AI在视觉推理的综合测试中得分提高了，但这个进步可能来自完全不同的原因。有些AI可能是视觉能力没变，但推理能力增强了；有些可能是推理能力没变，但视觉信息的利用更好了；还有些可能各方面都有小幅提升。

更有趣的是，研究团队在分析过程中发现了一个一致的现象：无论采用哪种训练方法，经过强化学习训练的AI都表现出了一个共同特征——在进行推理时，它们会更多地"回头看"视觉信息。就像一个解题的学生会反复看题目中的图表一样，这些AI在思考过程中会增强对视觉内容的关注。但这种行为究竟意味着什么，仍然是个谜。

一、AI大脑的功能地图：早期负责"看"，后期负责"想"

要理解强化学习如何改变AI，研究团队首先需要绘制一张AI大脑的"功能地图"。现代的视觉语言模型就像一栋多层办公楼，不同楼层负责不同的工作。研究团队想知道：哪些楼层主要处理视觉信息，哪些楼层主要进行逻辑推理？

为了找到答案，他们设计了一系列巧妙的实验。对于视觉功能的定位，他们采用了"偷梁换柱"的方法。具体来说，他们准备了成对的图片，每对图片只有一个细节不同——比如一张图片显示2个方块，另一张显示3个方块，除此之外完全相同。然后，他们在AI处理信息的不同阶段，悄悄地把其中一张图的视觉信息替换成另一张图的信息，观察AI的回答是否会因此改变。

这就像在学生做题时，在不同的时间点偷偷换掉他面前的题目图片。如果在某个时间点换图片会让学生的答案发生变化，说明学生在那个时间点正在仔细查看图片内容。通过这种方法，研究团队发现了一个清晰的模式：AI的早期和中期层主要负责处理视觉信息，其中早期层处理简单的识别任务（比如"这是一只猫"），中期层处理更复杂的视觉任务（比如数数、定位、读取文字）。

对于推理功能的定位，研究团队采用了"拆桥"实验。他们让AI解决纯文字的数学题，然后逐一"关闭"不同层次的处理单元，看看哪些单元被关闭后AI就无法正确推理了。结果发现，AI的后期层对推理至关重要——就像一个工厂的后期工序负责最终的产品组装和质检一样。

通过这些实验，研究团队为AI绘制了一张清晰的功能地图：早期层（可以理解为"感知部门"）主要负责基础视觉处理，中期层（"分析部门"）处理复杂的视觉分析，后期层（"决策部门"）主要负责逻辑推理和最终决策。这个发现为后续的分析奠定了基础。

二、强化学习的"装修"重点：专攻中后期楼层

有了AI大脑的功能地图，研究团队开始研究强化学习训练到底改变了什么。他们把这个过程比作对办公楼进行装修改造——装修工人会重点改造哪些楼层？改造的方式有什么特点？

研究团队通过比较训练前后AI的"内部结构"发现了一个令人惊讶的模式。如果把训练过程比作装修，那么强化学习就像一个很有针对性的装修队：他们把大部分精力都集中在中期和后期楼层的改造上，而对早期楼层几乎不做改动。

更有意思的是，这种"装修"方式有明显的特点。传统的监督学习就像大面积铺天盖地的装修，会同时改动很多地方；而强化学习更像精准的局部改造，它的改动更加集中和精细。通过数学分析，研究团队发现强化学习在中后期层的改动具有"高度聚焦"的特征——就像装修时不是随意敲敲打打，而是精确地加固某几根关键的承重梁。

这个发现很有启发性：强化学习并不是在各个层面都进行改进，而是有选择性地强化了特定的功能区域。它重点提升了视觉分析部门和决策部门的协作能力，而不是简单地提升视觉识别的准确性。

三、"器官移植"实验：验证哪些改动真正有效

为了验证上述发现，研究团队进行了一项大胆的"器官移植"实验。他们把经过强化学习改造的AI的某些层次"移植"到未经改造的AI身上，看看这种移植是否能带来性能提升。

这就像把一个运动员经过训练后变强的肌肉群移植给另一个运动员，看看接受移植的运动员是否也会变强。如果移植有效，说明那些肌肉群的改变确实是性能提升的关键；如果移植无效，说明性能提升可能来自其他因素。

实验结果令人震撼：当研究团队把经过强化学习改造的中后期层移植给其他AI时，接受移植的AI在视觉推理任务上的表现显著提升了。更重要的是，这种提升主要体现在"视觉-推理协调能力"和"纯推理能力"上，而不是基础的视觉识别能力。

这个发现彻底颠覆了之前的一些猜测。很多人认为强化学习可能是全面提升了AI的各项能力，但实验证明它实际上是精准地改善了特定的能力——让AI更好地将视觉信息转化为推理过程，并优化推理本身的质量。

四、"冷冻"实验：确认关键部位不可或缺

为了进一步确认中后期层改造的重要性，研究团队设计了"冷冻"实验。在强化学习训练过程中，他们有意"冷冻"某些层次，不让这些层次参与训练，然后观察AI的最终性能是否受到影响。

这就像在健身时故意不锻炼某个肌肉群，看看整体的运动表现是否会下降。如果"冷冻"某个区域会严重影响训练效果，说明那个区域的改造是必不可少的。

实验结果再次验证了之前的发现：当研究团队"冷冻"后期层（主要负责推理的部分）时，强化学习训练几乎完全失效了——AI的视觉推理能力没有明显提升。相比之下，"冷冻"早期层对训练效果的影响很小。

有趣的是，"冷冻"中期层的效果介于两者之间，这进一步证实了中期层在视觉信息处理和推理协调方面的重要作用。

五、三个关键发现重新定义视觉推理训练

通过这一系列"弗兰肯斯坦式"的解剖分析，研究团队得出了三个重要发现，这些发现可能会改变我们对AI视觉推理训练的理解。

第一个发现颠覆了"全面提升论"。传统观点认为，如果一个AI在视觉推理测试中表现更好，那它在各个方面都应该有所改进。但研究结果显示，经过强化学习训练的AI在基础视觉识别和独立推理方面的提升并不一致。有些AI在视觉识别上没有明显进步，有些在纯推理上改善有限，但它们在综合测试中的表现都有提升。这说明性能的改善主要来自于不同能力之间协调的优化，而不是各项能力的均衡发展。

第二个发现揭示了强化学习的"专业化"特征。无论采用哪种具体的训练方法，强化学习都表现出一致的行为模式：它让AI在推理过程中更频繁地"回顾"视觉信息，特别是在处理问题的中后期阶段。这种行为变化主要发生在AI的中后期处理层，而早期层基本保持不变。这表明强化学习并不是随机地改进AI，而是有针对性地优化特定的信息处理路径。

第三个发现证实了功能模块化的可行性。通过"器官移植"实验，研究团队证明了经过强化学习优化的功能模块是可以转移的。当他们把经过改造的中后期层移植到其他AI身上时，这些改进的功能得以保持。这意味着强化学习训练产生的改进不是整个系统的涌现特性，而是可以定位、可以转移的具体功能优化。

六、对AI发展的启示：精准训练胜过大力出奇迹

这项研究对AI发展具有重要的指导意义。传统的AI训练往往采用"大力出奇迹"的方式——用更多数据、更强算力来全面训练模型。但这项研究表明，理解AI内部的功能分工，然后进行针对性的优化，可能是一条更高效的路径。

对于AI研究者来说，这意味着他们不需要盲目追求全面提升，而应该重点关注关键功能模块的协调优化。就像调试一台复杂机器时，与其同时调整所有参数，不如先找到关键的控制节点，然后精准调节。

对于AI的实际应用来说，这项研究提供了重要的优化方向。在资源有限的情况下，与其试图全面提升AI的所有能力，不如重点优化视觉信息向推理过程的转化机制。这种方法不仅更节约资源，而且可能取得更好的效果。

研究团队还指出，当前流行的基准测试方法存在明显缺陷。仅仅看综合分数无法准确反映AI能力的真实变化，这就像只看学生的总分而不看各科成绩分布一样。他们建议未来的AI评估应该更加细化，分别测试不同的核心能力，这样才能准确判断训练方法的真实效果。

说到底，这项研究最大的价值在于提供了一个全新的分析框架。它告诉我们，要想真正理解AI的进步，不能只看表面的性能提升，而要深入"解剖"AI的内部机制。正如研究团队用"弗兰肯斯坦"来比喻他们的方法一样，只有通过拆解、分析、重组，我们才能真正掌握AI进化的秘密。

这种方法论的意义远超出了视觉推理这一个领域。随着AI系统变得越来越复杂，我们需要更多这样的"解剖学"研究，来理解不同训练方法的真实作用机制。只有这样，我们才能避免盲目的试错，走上更科学、更高效的AI发展道路。

对于普通人来说，这项研究展示了一个重要道理：看似神秘的AI技术进步，其实都有迹可循的科学规律。通过合适的研究方法，我们可以揭开AI"黑盒子"的神秘面纱，理解它们为什么会变得更聪明。这不仅满足了我们的好奇心，更为AI技术的未来发展指明了方向。

Q&A

Q1：弗兰肯斯坦式分析方法是什么？

A：这是研究团队提出的AI分析框架，就像小说《弗兰肯斯坦》中的科学家一样，先把AI"拆解"成不同功能模块，研究每个模块的作用，然后重新组合验证哪些改变真正有效。具体包括功能定位、参数分析和模块移植三个步骤。

Q2：强化学习训练到底改变了AI的哪些能力？

A：研究发现强化学习并不是全面提升AI能力，而是重点优化了两个方面：一是提升视觉信息向推理过程的转化效率，二是增强逻辑推理本身的质量。基础的视觉识别能力改变不大，关键是让AI更好地协调"看"和"想"的过程。

Q3：为什么传统的AI评估方法不够准确？

A：传统评估只看综合测试分数，就像只看学生总分不看各科成绩一样，无法分辨AI在视觉识别、推理协调、逻辑思维等不同方面的真实表现。研究团队建议采用分项评估，分别测试不同核心能力，这样才能准确判断训练效果。