Tag · 2 篇
动态采样
分布 视觉语言模型1强化学习与具身智能1
01 02
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。
HiconAgent：面向 GUI 智能体的历史上下文感知策略优化
HiconAgent: History Context-aware Policy Optimization for GUI Agents
把「历史观测该保留多少」变成策略优化里的显式变量：DCS 在采样阶段给智能体不同长度的历史，AHC 用双分支（压缩分支丢观测、保留动作作为信息流锚点）加对齐损失约束两分支一致，这套「变长历史采样 + 压缩分支对齐」可直接迁移到视频/多帧输入的视觉决策模型，用来在长时序视觉上下文下省算力。