策略规划

VideoChat-M1：通过多智能体强化学习实现面向视频理解的协作策略规划

VideoChat-M1: Collaborative Policy Planning for Video Understanding via Multi-Agent Reinforcement Learning

把视频理解建模为多个策略智能体各自生成、执行并相互通信更新工具调用策略的过程，并用最终答案奖励与中间协作反馈做联合强化学习优化；对做长视频/复杂时序推理的视觉研究者，这是一套可复用的「多智能体+工具调用+MARL」框架，可替代静态固定的工具链。