CoFire

新的CoFire方法通过保持初始答案的可靠性来改进视频理解模型

研究人员开发了一种名为CoFire的新型强化学习方法，以改进视频理解模型。该方法解决了“置信度侵蚀”问题，即学习过程可能降低初始答案的可靠性。CoFire确保在反思之前初始答案保持可靠，与标准的成果奖励RL相比，初始答案准确率平均提高了4.1个百分点，最终准确率提高了3.7个百分点。该方法在Video-MME、MLVU和LongVideoBench等基准数据集上达到了67.0%的平均准确率，比一个可比的7B方法高出1.7个百分点。