以少胜多：从密集参考中强化稀疏视频推理

英文标题：Less from More: Reinforcing Sparse Video Reasoning from Dense References

该论文发表于 arXiv，编号为 arXiv:2610.10893v1，属于新发布论文。论文指出，视频语言模型通常假设更多时间维度上的观测能够带来更可靠的推理，但作者对这一假设提出质疑。作者认为，关键挑战不仅在于高效处理更多视频帧，更在于学习如何进行可靠的视频推理。这一观点提示开发者和研究者应关注视频信息选择与推理能力，而非单纯增加输入帧数。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB