论文提出OWLET视频大模型微调方法

发生了什么

据arXiv报道，一篇论文提出了基于证据转移的视频大模型强化学习微调方法OWLET。该方法针对现有RL和OPD范式未充分利用视觉证据的问题，引入证据感知的信用重分配和时空状态对齐。通过耦合均匀全局上下文与问题条件局部窗口提供视觉证据，比较token似然性并根据相对证据支持重新分配优势，从而更准确地利用视觉证据进行训练。