token级奖励

APPO：面向视频推理的注意力引导感知策略优化

APPO: Attention-guided Perception Policy Optimization for Video Reasoning

把强化学习中的组内相对优势换成基于注意力、跨响应聚焦同一关键帧的 token 级稠密奖励，可在无细粒度标注下提升视频多模态模型的感知能力，这套奖励设计可直接迁移到其他视频 VLM 的 RL 后训练流程。