跳到正文
arXiv · NLP· Zinuo Li, Yongxin Guo, Jun Liu, Jiawei Zhan, Xi Jiang, Mohammed Bennamoun, Farid Boussaid, Feng Zheng, Qiuhong Ke·· 2026-10-14AI 评分23

视频推理中的奖励加权:提升 Token 效率的 GRAB 方法

When Rewards Disagree: Reward Weighting for Token-Efficient Video Reasoning

AI 导读

研究提出结构化事件证据(SEE)Schema 及 GRAB 算法,解决视频大语言模型在平衡模式合规、任务准确性与推理预算时的多目标优化瓶颈。GRAB 在奖励空间内动态计算帕累托最优权重,相对 GRPO 运行时开销极低(<0.002%),避免了对静态权重的繁琐调优。基于 PARSE-60K 数据集训练的 PARSE-4B 模型,在保持竞争准确度的同时,生成 token 数减少 13% 至 39%。

来源:arXiv · NLP · arxiv.org