arXiv · cs.CL· Jiafeng Liang·· 16 小时前AI 评分34
从感知不确定性坍缩看视频 RLVR 中的捷径放大效应
Uncovering Shortcut Amplification in Video RLVR through the Lens of Perceptual Uncertainty Collapse
来源与原文
arXiv · cs.CL
作者：Jiafeng Liang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.37211v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究发现，用于大语言多模态模型（LMM）视频推理的 RLVR 后训练会放大捷径效应：模型日益偏向视觉证据不支持的文本先验答案，训练中感知不确定性坍缩，视觉证据带来的不确定性降低逐步减弱。研究者据此提出 Bifocal Self-distillation Policy Optimization（BSPO），通过组内正确与错误 rollout 提炼推理原则、引入捷径感知的视觉扰动惩罚，在保留 RLVR 收益的同时提升视觉忠实度。
来源：arXiv · cs.CL · arxiv.org