Hugging Face Daily Papers·2026-11-04 08:00· 1 天前AI 评分32

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

本站未展示全文，请前往来源网站阅读。

AI 导读

TurnWise 提出轮级 GRPO 框架，用于流式视频理解中的强化学习。它通过 silence-completed 前缀评分做轮级信用分配，并用轮均值策略优化让回复与等待决策等权，无需 critic 或额外 rollout。实验显示该方法优于此前用于流式视频理解的 RL 方法。