TurnWise

TurnWise 框架通过回合级信用分配改进流媒体视频理解

研究人员推出了一种名为 TurnWise 的新颖框架，旨在通过优化回合级的决策来增强流媒体视频理解。与使用单一轨迹级优势的先前方法不同，TurnWise 根据个体流媒体决策分配信用，从而减少冗余并促进更具信息量的响应。这种方法通过平均回合内和回合间的 token 损失来改进学习，而无需学习到的 critic 或额外的 rollout，并在实验中优于现有的强化学习方法。