复旦联合 OPPO 推出 EVA-Cap：事件中心对齐优化视听视频描述

复旦大学可信具身智能研究院联合 OPPO AI 中心提出 EVA-Cap，用事件中心对齐框架改进全模态语言模型（OLM）的视听视频描述。该框架把字幕分解为原子视听事件，将非结构化文本监督转为事件中心对齐信号，并在自建 EVA-Data 数据集上先做 SFT、再用 GRPO 针对三个事件中心指标优化，提升细粒度视听对齐。