将标注视为轨迹展开：面向视频 MLLM 的高效可扩展强化学习

英文标题：Annotations as Rollouts: Efficient and Scalable Reinforcement Learning for Video MLLMs

该论文提出将标注视为强化学习中的轨迹展开（rollouts），以提升视频多模态大语言模型（MLLM）的训练效率与可扩展性。论文指出，MLLM 已成为统一视频感知的重要范式，但在大规模多任务数据集上进行后训练仍面临挑战。摘要提及，现有强化学习方法依赖对策略（on-policy）分组采样，这会带来效率或扩展性方面的限制。该研究对构建更高效的视频理解、视频 Agent 及相关开发者训练流程具有参考意义。

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