TurnWise 提出轮级 GRPO 流式视频理解框架

论文作者提出 TurnWise，一个轮级 GRPO 框架，用于流式视频理解中的强化学习。它通过 silence-completed prefix scoring 为每个流式决策单独分配组相对优势，替代轨迹级共享信用，作者称这能避免模型在成功后的冗余回复和失败后的消极等待。 目前该工作以论文形式发布，尚无独立验证其实际效果的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。