EventLens：事件结构强化学习视频理解框架

2026年10月14日，arXiv Computer Vision 刊出由 Guowen Zhang 等作者提出的 EventLens 视频理解强化学习框架。该框架以视觉为中心，通过恢复事件结构来学习视频理解，涵盖事件分割、进程判别和多事件关系推理三类任务。报道称，这些任务具有确定性奖励，因而无需人工偏好标注或学习型奖励模型即可进行任务专用的 GRPO 训练。研究在 Qwen3-VL 基座模型上验证，结果显示在时间定位与事件敏感推理基准上取得稳定提升，同时保持通用视频问答性能。此外，其多教师在线策略蒸馏（MT-OPD）将多个专用策略整合为统一模型，训练成本显著低于直接混合 RL 优化。目前该工作以预印本形式发布，尚未见后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。