arXiv · AI· Guowen Zhang, Boshen Xu, Zihao Yue, Ziheng Wang, Xiaokun Liu, Xin Tao, Wenyu Qin, Pengfei Wan, Qin Jin·· 2026-10-14AI 评分24
EventLens:用于视频理解的事件结构强化学习框架
EventLens: Event-Structure Reinforcement Learning for Video Understanding
AI 导读
针对多模态大语言模型无法恢复视频时间结构的问题,提出以视觉为中心的强化学习框架 EventLens,通过恢复事件结构进行训练。 该框架构建事件分割、进程判别及多事件关系推理任务,利用 GRPO 训练并引入 MT-OPD 策略整合,无需人工偏好标签。 在 Qwen3-VL 骨干网络上,该方法在时间基准测试中表现提升,且训练成本显著低于直接混合 RL 优化。
来源:arXiv · AI · arxiv.org