视觉语言模型（VLM）在需要裁剪或放大图像时会发起视觉调用。传统的奖励机制只奖励成功的工具调用，却没有验证模型是否真的需要查看该图像，也没有检查返回的像素是否被实际利用。
在冷启动检查点，仅有约 10%~12% 的视觉调用既是必要的又被使用，而在多个基准上，已发布的模型会出现 36%~87% 的无效调用。结果奖励、评审奖励和分支探针各自只能捕捉到问题的一面，约三分之二的奖励实际上流向了既不必要也未被使用的调用。
CounterCredit 方法在每一次返回图像的调用前，使用策略自身的金答案分数同时提出两个问题：该调用在当前状态下是否真的必要（决策值），以及返回的裁剪是否优于随机同尺寸补丁（证据值）。如果调用在两方面都通过验证，则获得返现；否则每一次执行的调用都需要支付租金。价格上限被设定，使得任何正确的轨迹的累计收益都超过错误轨迹，双通道 GRPO（Generalized Reward Policy Optimization）进一步确保价格以自身单位保持平衡。
在相同的冷启动、提示池和预算条件下，CounterCredit 在 V* 上达到 89.5%，在 HR‑Bench‑4K 上 80.2%，在 HR‑Bench‑8K 上 76.4%，比仅使用结果奖励的 GRPO 提高了 6.3~9.4 分，平均每题调用次数从 1.84 降至 1.78，且无效调用率降至 31%~36%，是所有评测模型中最低的。同样的策略还能将 Qwen3‑VL‑8B 基础模型的平均得分从 75.4 提升至 80.8。
该工作表明，仅在真正需要且被利用的视觉信息上付费，可以显著提升 VLM 的效率和性能，避免了大量冗余的视觉调用。
点评：CounterCredit 通过双重验证机制和经济激励，将视觉调用的必要性与使用率紧密结合，为下一代视觉语言代理提供了更精细的奖励框架。