FrameGRPO：用多帧 rollout 与时间信用激励视频推理

FrameGRPO 提出一种无需辅助网络、不改模型架构的强化学习框架，通过多帧 rollout 对单次最大帧解码做均匀时间子采样，构造对齐视图以丰富视觉证据与推理轨迹。其门控时间效率信用机制在全比例参考子集全部失败时，选择性强化正确的低帧率轨迹，而不无条件偏好更少帧。在多项视频理解与推理基准上，FrameGRPO 相较标准 GRPO 取得稳健的整体提升。