VideoAuto-R1——按需推理的视频理解框架
引言： 该研究提出 VideoAuto-R1，采用「思一次、答两次」训练范式的自适应视频推理框架。它解决了「CoT 推理在视频任务中效果有限且成本高」「自适应推理在视频领域不稳定」「直接回答常可匹敌 CoT 性能」等问题。在 VideoMME（67.3%）、VideoMMMU（58.6%）、时序定位基准上实现 SOTA，响应长度从 149 降至 44 tokens。
choucisan's blog
VideoMind——基于 Chain-of-LoRA 的长视频推理框架
引言： VideoMind 是一个基于角色工作流和 Chain-of-LoRA 的视频语言 Agent，通过「Planner-Grounder-Verifier-Answerer」四角色协作实现长视频的时序锚定推理。该方法解决了「时序锚定理解需求」「视觉 CoT 无法显式定位」「多模态推理能力缺失」等核心问题，在 14 个基准上达到 SOTA，包括 Grounded Vi
Video-MTR——基于RL的长视频多轮推理框架
引言： 该研究提出 Video-MTR（Video-MTR: Reinforced Multi-Turn Reasoning for Long Video Understanding）框架，通过强化学习驱动的多轮推理机制，解决了长视频理解中「静态推理丢失关键信息」「外部 VLM 难以端到端训练」「长时依赖难以捕捉」等核心问题。Video-MTR 在 VideoMME（Lo
VideoDeepResearch——基于 Agent 工具调用的长视频理解框架
引言： 该研究提出 VideoDeepResearch，一个基于纯文本大推理模型（LRM）与模块化多模态工具包的 Agent 框架，解决了「长视频上下文窗口限制」「RAG 方法泛化能力弱」「计算资源消耗大」等核心问题。该方法在 MLVU、VideoMME-L、LVBench 等基准上取得 SOTA，平均分 66.7 超越 GPT-4o (60.6)。
Spatial-MLLM——提升视觉基础空间智能的MLLM
引言： 该研究提出 Spatial-MLLM，一种仅依赖纯 2D 视觉输入的空间推理框架，解决了「视频 MLLM 空间感知能力弱」「缺乏 3D 结构先验」「采样策略对空间任务不友好」等核心问题。在 VSI-Bench、ScanQA、SQA3D 等空间推理基准上取得 SOTA，仅用 4B 参数即超越 72B 参数的 Gemini-1.5 Pro，展示了高效的架构设计价值。
GDPO——分组奖励解耦归一化策略优化算法
引言： GDPO（Group reward-Decoupled Normalization Policy Optimization）是一种针对多奖励强化学习优化的新方法。它解决了 GRPO（Group Relative Policy Optimization）在处理多奖励时存在的奖励信号压缩问题，通过对每个奖励进行独立的分组归一化，保留了不同奖励组合之间的细微差异，从而实
SAPO——软自适应策略优化算法
引言： 该研究提出 SAPO（Soft Adaptive Policy Optimization）算法，通过引入温度控制的软门控函数替代传统的硬裁剪机制，解决了 GRPO 和 GSPO 中存在的「梯度不连续」「正负样本不对称处理」等问题。SAPO 结合了 GSPO 的序列级一致性优势和 GRPO 的 token 级自适应能力，在 Qwen3 和 Qwen3-VL 的训练中
GSPO——序列级策略优化算法
引言： 该研究提出 GSPO（Group Sequence Policy Optimization）算法，通过将优化粒度从 token 级别提升到 sequence 级别，解决了 GRPO 中「目标函数设计缺陷」「梯度噪声累积」「MoE 训练不稳定」等根本性问题。GSPO 已成功应用于 Qwen3 模型训练，在相同计算量下实现更好的性能和稳定性，且无需 Routing R
