NUS 等发布 CycleGRPO：用循环自验证强化学习统一区域理解与定位

新加坡国立大学、国科大、南洋理工团队提出 Generalized CycleGRPO，首个统一空间、时间与时空三个领域的区域理解与定位强化学习框架。其循环自验证机制让模型先对给定区域生成候选描述，再把描述重新定位回原图重建输入区域，以重建区域与输入的重叠度作为可几何验证的描述质量奖励，无需外部评判模型。