arXiv cs.CV· Qitan Lv, Ke Fan, Hong Wang, Wen Wu, Yilin Wang, Bowen Zhou, Feng Wu, Chao Zhang·· 2 小时前AI 评分22
OWLET：面向 Video-LLM 后训练的证据迁移在线策略加权学习
OWLET: On-Policy Weighted Learning via Evidence Transfer for Video Large Language Model Post-Training
AI 导读
OWLET 是一种面向 Video-LLM 后训练的证据优先强化学习方法，通过将均匀全局时序上下文与问题条件局部窗口结合的教师视角提供视觉证据，无需更大模型。它引入证据感知信用重分配，按 token 在两视角下的相对证据支持度重新分配响应级优势，并用时空状态对齐在验证器接受的响应上对齐两视角隐状态。
来源：arXiv cs.CV · arxiv.org