DyCPO：面向视频推理的自诊断多角色 Token 优化框架

DyCPO 是一个协同演化框架，联合优化可靠 token 选择与自适应反事实干预，通过多角色依赖度量平衡视觉探索与答案相关性挖掘，并抑制纯探索性填充 token 和虚假视觉噪声。它不再依赖静态反事实先验，而是从模型自身成功与失败的 rollout 中动态导出反事实信号，实现自诊断分析与优化目标随策略协同演化。在复杂视频推理和通用视频理解基准上，DyCPO 取得了一致的性能提升。