FrameGRPO：通过多帧Rollouts和时间信用激励视频推理

FrameGRPO通过多帧Rollouts和门控时间效率信用增强视频MLLM推理，无需修改模型架构或引入辅助网络。 该框架结合均匀时间子采样构建多样化视觉证据，并在全比率参考组失败时选择性强化低比率正确轨迹。 实验在多个视频理解与推理基准上显示其较标准GRPO有稳健提升。