Consensus Frame GRPO

新的CF-GRPO框架增强了多模态大语言模型的视频推理能力

研究人员推出了一种新颖的奖励框架——共识帧GRPO（CF-GRPO），旨在增强视频多模态大语言模型（Video-MLLMs）的推理能力。该框架无需时间标注，而是从内在视频线索中构建共识帧先验。然后，CF-GRPO根据视觉和响应表示计算帧使用分数，并通过共识帧奖励（CFR）优化它们的匹配度。该方法旨在提供更清晰的奖励信号，提高在视频推理基准上的性能，并提供训练过程中使用的证据帧的可解释视图。