arXiv · NLP· Shuai Dong, Kanghui Tian, Linghan Chen, Wenqi Shao, Hongrui Wu, Haowen Hou, Yongfu Zhu, Xuehui Wang, Ziyue Wang, Wenpu Liu, Weichu Xie, Yuqi Xu, Congcong Wang, Kaiwen Tuo, Caoyuan Ma, Taiqiang Wu, Ji Zhao, Wenzheng Chang, Dianyi Wang, Siyuan Wang, Zhongyu Wei, Yu Qiao, Jiaqi Wang·· 8 小时前AI 评分29
TurnWise：通过回合级信用分配推进流式视频强化学习
Turns Matter: Advancing Streaming Video RL via Turn-Level Credit
AI 导读
TurnWise 框架通过回合级 GRPO 将流式视频理解的训练与决策对齐，优于现有强化学习方法。 该方法利用静默完成前缀评分构建组相对优势，并采用回合平均策略优化以平衡响应与等待决策的权重。
来源：arXiv · NLP · arxiv.org