⌘ K
… 读取采集状态 同步中...
雷
原文
极市平台· CV君·· 2026-08-28AI 评分57

南开程明明实验室提出OraRL:标注即rollout,视频多模态大模型强化学习不再依赖思维链

南开程明明实验室提出OraRL:不用思维链,标注即rollout,大模型强化学习又快又准

AI 导读

南开大学程明明实验室等联合提出视频强化学习框架OraRL,把标注直接序列化成一条rollout追加进策略组,基线只由策略rollout决定,从而消除标注抬高组均值导致的失效现象优势反转。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:极市平台 · mp.weixin.qq.com