研究人员发布 FrameGRPO 视频推理强化学习框架

Jiaxuan Sun 等人于 2026 年 10 月 19 日在 arXiv 发布 FrameGRPO 框架，该框架通过多帧 Rollouts 和时间信用激励增强视频多模态大语言模型的推理能力。其核心机制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。该方案无需修改模型架构或引入辅助网络。实验结果显示，FrameGRPO 在多个视频理解与推理基准上的表现较标准 GRPO 有稳健提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。