FrameGRPO：多帧 rollout 强化视频推理

2026年10月20日，arXiv Artificial Intelligence 刊出由 Jiaxuan Sun 等作者提出的 FrameGRPO 强化学习框架。据该报道，这一框架无需辅助网络，也不改动模型架构；它通过多帧 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。报道称，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。目前该事件仅有这一篇主报道，尚无跟进报道或相互矛盾的数字与说法；上述效果均为论文作者方面的表述。

AI 根据报道生成 · 33 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。