arXiv cs.CV· Zihao Lin, Jingyuan Liu, Yucheng Zhang, Yuguang Yao, Lifu Huang·· 2 小时前AI 评分38
CoFire：先自信、再反思，用强化学习保留初始答案可靠性的视频理解方法
Confident First, Reflective Second: Reinforcement Learning of Confidence-Preserving Reflection for Video Understanding
AI 导读
CoFire 用强化学习训练视频模型的反思能力，在 Video-MME、MLVU、LongVideoBench 上平均准确率 67.0%，超最强对比 7B 方法 1.7 分。针对 RL 侵蚀初始答案可靠性（confidence erosion）的奖励激励、参数漂移与梯度干扰三条路径，CoFire 各设一项机制。相比结果奖励 RL，其初始答案与最终答案准确率平均提升 4.1 和 3.7 分。
来源：arXiv cs.CV · arxiv.org