冷启动

通过数据高效强化学习激发多模态大模型的多功能视频推理能力

Incentivizing Versatile Video Reasoning in MLLMs via Data-Efficient Reinforcement Learning

对做视频多模态大模型的人，这篇给出了用多任务冷启动加多任务强化学习、再配合推理阶段多模态推理与动态采样的低成本训练配方，仅用 3k 冷启动数据与 5k RL 数据即可显著提升视频推理表现，可作为替代高成本长链语言 RL 的可复用方案。