一篇新发表在arXiv上的研究论文探讨了来自可验证奖励的强化学习（RLVR）对视频语言模型时间理解能力的影响。研究人员采用了不同的数据策略对包括Qwen3 VL 8B和Gemma-3-12B在内的四种开源模型进行了微调。研究结果表明，虽然经过验证的训练显著提高了模型在特定领域内的准确性，特别是对于能力较弱的模型，但它并不一定会提高模型在领域外的表现，并且在没有混合真实世界数据的情况下甚至可能导致其性能下降。至关重要的是，研究没有发现任何证据表明RLVR或事件顺序奖励能让这些模型真正理解时间顺序。 AI
影响 这项研究表明，尽管视频语言模型的基准准确性有所提高，但当前的训练方法可能无法有效地教会它们理解时间。
排序理由 该集群包含一篇研究论文，详细介绍了一项关于视频语言模型的受控多模型研究。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
