该图展示了CVPR 2026投稿论文MedLoc-R1的核心方法框架，旨在通过“性能反馈驱动定位奖励逐级收紧”来解决医学病灶定位中针对小目标和模糊病灶的稀疏奖励问题。内容分为四个板块：A 指出小目标困难样本中，模型初期定位框偏差大，固定严格IoU反馈接近零，易导致GRPO优化停滞；B 提出性能感知课程奖励调度，核心流程为滑动窗口统计近期效果、更新条件判断当前熟练度、由宽松走向严格进行阈值调度，呈现阶梯式收紧机制；C 展示强化训练流与梯度路径，多模态模型经组内采样与定位评价（IoU验证）后，进入性能感知GRPO进行奖励阈值更新，并回传梯度，要求对比固定阈值、线性阈值及性能触发阈值；D 强调迁移至植物病斑的注意事项，指出不能简单改称“病斑课程奖励”就当作创新，需新增症状证据、病斑面积或多尺度约束，并对比小病斑AP、定位稳定性与训练成本，同时需与MedMo的事实核验+GIoU作对照。该策略适用于从事医学图像分析、小目标检测与强化学习交叉研究的科研人员及硕博研究生，尤其在撰写顶会论文面临创新性审查和基线对比要求时极具参考价值。