Hugging Face Daily Papers·· 2 天前AI 评分26
TurnWise：用轮级信用分配改进流式视频 RL
Turns Matter: Advancing Streaming Video RL via Turn-Level Credit
AI 导读
TurnWise 提出轮级 GRPO 框架，通过 silence-completed prefix scoring 为每个流式决策单独分配组相对优势，避免轨迹级共享信用在成功后的冗余回复和失败后的消极等待。
来源：Hugging Face Daily Papers · huggingface.co