Reviso：分层规划与主动感知的视频描述框架

论文作者提出并发布 Reviso，一个面向视频描述的智能体框架，目标是让模型学会“看什么”以及“如何收集相关视觉证据”，而非对全部视觉信息平均用力。 Reviso 先从低帧率全局预览构建 Context–Focus–Points 观察计划，再选择性回看时间段，并结合工具做细粒度检查。训练上采用 GRPO，引入关键事实奖励、Plan Alignment Reward 与 Unproductive Tool-Call Penalty。 上述效果均为作者在论文中的表述，报道未给出独立验证结果。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。