연구진이 다중 모드 강화 학습 모델의 시각적 근거 기반 예측을 강화하는 SIVA-RL 프레임워크를 제안했어요. SIVA-RL은 이미지 내 패치 교환을 통해 로컬화된 개입을 생성하고, 감사 정책을 통해 보상 감소량을 측정하여 모델을 훈련해요. SIVA-RL은 3B 및 7B 모델을 기반으로 9개의 다중 모드 추론 벤치마크에서 기존 RL 방식보다 성능을 향상시켰으며, 특히 시각 의존적 추론에서 8.79%의 성능 향상을 보였어요.