本研究提出VAPO框架，解决了价值基础强化学习在长链推理中的局限性，有效应对模型偏差、序列长度和奖励稀疏问题，在AIME 2024数据集上取得了60.4的最佳成绩。

本研究使用可见性信息解决二维图像中无法定位不可见关键点的问题，通过PageRank算法生成实值可见性感知重要性，构建了VAPO（可见性感知位姿估计器），实验证明其在关键点对应和位姿估计方面有显著提高。