TurnWise 提出轮级信用分配改进流式视频 RL

复旦、京东等机构的论文《Turns Matter》提出 TurnWise，一个轮级（turn-level）GRPO 框架，针对流式视频理解中模型需反复决策「何时回答还是继续观看」的问题，为每个决策单独分配信用。原版 GRPO 把同一正信号共享给所有决策，会强化错误时机的回答；TurnWise 通过回合级信用分配解决这一缺陷，改进了流式视频理解的强化学习。

2026-11-05 ~ 2026-11-06 · 2 条相关