该框图展示了CVPR 2026论文《MedLoc-R1》的核心机制，主要针对医学视觉定位任务中，固定IoU阈值对小病灶不友好的原问题提出解决方案。图中指出，早期候选框很难达到固定高奖励标准，导致大部分奖励为0，策略梯度信号稀疏。为此，MedLoc-R1设计了动态调整机制（B）：通过滑窗统计最近N步输出的状态，当满足平均奖励、波动程度和IoU余量等多条件时，逐步提高IoU门槛。该机制无需额外辅助网络或梯度分支。奖励课程示意（C）展示了从初期的较宽松到模型准备好后逐级提高阈值的由宽松到严格的过程。此外，图D探讨了迁移到番茄病害研究时必须新增的内容，指出虽然已有动态IoU阈值等机制，但面临“定位对了，但生成症状解释错误”的新问题，拟研究区域-症状冲突分数与多能力状态共同调整奖励，并强调严谨性：上框“拟研究”并非MedLoc-R1原文方法。本图内容适合医学图像处理研究者、计算机视觉算法工程师、多模态大模型强化学习（GRPO）研究人员以及关注AI模型训练策略优化的学者阅读参考。