RewardMap 是由西湖大学、同济大学等高校的研究团队于 2025 年 10 月联合提出的，相关研究成果发表于论文「RewardMap: Tackling Sparse Rewards in Fine-grained Visual Reasoning via Multi-Stage Reinforcement Learning」。

RewardMap 是一个多阶段强化学习（RL）框架，旨在提升多模态大语言模型（MLLMs）的视觉理解和推理能力。该框架包含两项关键设计：首先是引入了一种难度感知的奖励设计，该设计包含细节奖励，直接解决稀疏奖励问题，同时提供更丰富的监督； 其次，研究人员提出了一种多阶段强化学习方案，该方案从简单的感知任务逐步过渡到复杂的推理任务，提供比传统监督微调（SFT）更有效的冷启动策略。