实体 SD-GRPO

SD-GRPO

PulseAugur coverage of SD-GRPO — every cluster mentioning SD-GRPO across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_115210 · Jun 26 · 10:15

Reflect-R1框架通过证据驱动的自我纠错提升AI视频理解能力

研究人员推出了一种名为Reflect-R1的新型框架，旨在增强长视频理解模型中的自我纠错能力。该系统通过引入一种证据驱动的方法，解决了模型因缺乏外部证据而变得过于自信的问题。Reflect-R1采用了一个三阶段流程：直觉、验证和仲裁，该流程动态检索视觉证据来验证初步评估并解决冲突，从而防止幻觉。为了应对多阶段流程中的强化学习复杂性，开发了一种名为SD-GRPO的阶段解耦算法，并创建了一个包含120,000个样本的新数据集以促进训练。在…