多模态反思推理

REVISOR：超越文本反思，面向长视频理解的多模态内省推理

REVISOR: Beyond Textual Reflection, Towards Multimodal Introspective Reasoning in Long-Form Video Understanding

把纯文本的自我反思扩展为跨文本与视觉片段的反思过程，并用 Dual Attribution Decoupled Reward 在 GRPO 中约束推理与所选视频证据的因果对齐；做长视频 VQA 或多模态推理的工作可以直接借用这套「视觉片段回溯 + 解耦奖励」的强化学习框架，无需额外监督微调或外部模型。