一致性奖励

VAST：面向数据高效视频推理的视频能力分层分类体系

VAST: Video Ability-Stratified Taxonomy for Data-Efficient Video Reasoning

对做视频 MLLM 推理的人，这篇给出了按「感知-推理-认知」能力分层组织训练数据、并用一致性奖励做 RL 微调的配方，可在不改架构的前提下大幅降低 RL 训练所需的样本量与 GPU 时数，VAST-Bench 也可直接作为能力分层评测集使用。