OWLET：Video-LLM后训练新方法

Qitan Lv 等作者提出一种面向 Video-LLM 后训练的强化学习方法 OWLET，其训练信号来自一个信息更丰富的教师视角，而非依赖更大模型。该方法将均匀全局时序上下文与问题条件局部窗口结合，构成教师视角以提供视觉证据。 OWLET 引入证据感知信用重分配，按 token 在两个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的隐状态。上述内容来自作者在 arXiv 发布的论文，为方法层面的提出，尚未见其效果被独立验证。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。