多候选选举

强化学习以学习，选举以推理：视频推理的双范式

Reinforce to Learn, Elect to Reason: A Dual Paradigm for Video Reasoning

提出一种训练时用强化学习生成结构化证据、推理时用证据加权选举的范式，可迁移到视频问答、时序定位等需要证据对齐的视觉语言任务，提升推理可靠性与可解释性。