762 B
762 B
Video-R2: Reinforcing Consistent and Grounded Reasoning in Multimodal Language Models
- 年份：2025
- 阅读深度：摘要级筛选
- 官方链接：https://arxiv.org/abs/2511.23478
摘要（中文转述）
Video-R2 关注视频多模态模型推理过程与最终回答之间的一致性，以及推理是否真正依赖视觉证据。方法结合时间感知监督微调和带时间对齐奖励的策略优化，并设计诊断指标评估推理—答案一致性与视觉依据。
与当前项目的关系
它可能帮助构造“预测是否由近期 AV 证据支持”的辅助评测，但任务比轮次预测更宽泛。当前只适合作为时间对齐奖励的候选文献，不能用来支持 transition RL 的直接有效性结论。