⏶110
VIDEOP2R: 从感知到推理的视频理解
发表
由 
Yifan Jiang 提交
Yifan Jiang 提交作者: Yifan Jiang, Yueying Wang, Rui Zhao, Toufiq Parag, Zhimin Chen, Zhenyu Liao, Jayakrishnan Unnikrishnan
Yifan Jiang, Yueying Wang, Rui Zhao, Toufiq Parag, Zhimin Chen, Zhenyu Liao, Jayakrishnan Unnikrishnan摘要
AI 生成总结
VideoP2R，一个过程感知强化微调框架，通过分别建模感知和推理，提升了视频推理和理解能力，并在多个基准测试中取得了最先进的结果。强化微调 (RFT) 是一种由监督微调 (SFT) 和强化学习 (RL) 组成的两阶段框架，在提高大型语言模型 (LLM) 的推理能力方面已显示出可喜的成果。然而，将 RFT 扩展到大型视频语言模型 (LVLM) 仍然具有挑战性。我们提出了 VideoP2R，这是一种新颖的流程感知视频 RFT 框架，它通过将感知和推理建模为不同的过程来增强视频推理。在 SFT 阶段，我们开发了一个三步管道来生成 VideoP2R-CoT-162K，这是一个高质量、流程感知的感知和推理思维链 (CoT) 数据集。在 RL 阶段，我们引入了一种新颖的流程感知组相对策略优化 (PA-GRPO) 算法，该算法为感知和推理提供单独的奖励。大量实验表明，VideoP2R 在七个视频推理和理解基准中的六个上实现了最先进 (SotA) 的性能。消融研究进一步证实了我们流程感知建模和 PA-GRPO 的有效性，并表明模型的感知输出对于下游推理具有足够的信息。
评论
Yifan Jiang论文作者
论文提交者
强化微调（RFT）是一个由监督微调（SFT）和强化学习（RL）组成的两阶段框架，在提高大型语言模型（LLM）的推理能力方面已显示出可喜的成果。然而，将RFT扩展到大型视频语言模型（LVLM）仍然具有挑战性。我们提出了VideoP2R，一个新颖的流程感知视频RFT框架，通过将感知和推理建模为不同的过程来增强视频推理能力。在SFT阶段，我们开发了一个三步流水线来生成VideoP2R-CoT-162K，这是一个高质量的、流程感知的感知和推理思维链（CoT）数据集。在RL阶段，我们引入了一种新颖的流程感知分组相对策略优化（PA-GRPO）算法，为感知和推理提供单独的奖励。大量的实验表明，VideoP2R在七个视频推理和理解基准中的六个上取得了最先进（SotA）的性能。消融研究进一步证实了我们流程感知建模和PA-GRPO的有效性，并证明模型的感知输出对于下游推理具有足够的信息量。
Xu Ma
Arxiv 链接 https://arxiv.org/abs/2511.11113v1
