OraRL

OraRL 框架提升视频 MLLM 训练效率

研究人员推出 OraRL，一个旨在增强视频多模态大语言模型 (MLLM) 训练的新型强化学习框架。该方法通过将标注视为 Oracle Rollouts，直接优化模型而无需耗时的思维链生成，从而提高了样本效率和可扩展性。OraRL 通过采用解耦优势估计器和符号平衡剪枝来解决“优势反转”的挑战，从而加快了解码速度并在各种视频理解任务中取得了显著的性能提升，在 VSI-Bench 基准测试中超越了 GPT-5 和 Gemini 3-Pro 等模型。