MVRCap：以分层多维可验证奖励迈向全面视频描述

MVRCap 框架将视频描述生成重构为受结构化验证引导的强化学习任务，其细粒度可验证奖励机制由分层概念覆盖奖励、事实性验证奖励和简洁性约束三部分组成。研究团队为此构建 MVRCap-QA 数据集以衡量多维完整性与语义深度，并整理覆盖六个关键维度的 MVRCap-SFT 数据集用于强化学习策略初始化。实验显示 MVRCap 在 VDC、CAPability、VC4VG 等基准上取得 SOTA。