Reviso：视频描述中并非所有视觉证据都值得同等关注

Reviso 是一个智能体视频描述框架，通过分层规划与主动感知优先关注关键视觉证据。它从低帧率全局预览构建 Context–Focus–Points 观察计划，选择性回看时间段并结合工具细粒度检查，再用 GRPO 训练并引入关键事实奖励、Plan Alignment Reward 与 Unproductive Tool-Call Penalty。