基于落地的思考：面向长视频理解的课程强化推理

针对长视频理解中因上下文限制导致纯文本推理产生幻觉的问题，本文提出 Video-TwG 框架。该框架引入“基于落地的思考”范式，使模型能在交错的文视频推理中按需主动定位关键片段。通过两阶段强化课程策略及 TwG-GRPO 算法，利用细粒度奖励机制实现端到端训练。实验表明，该方法在多个基准上显著优于现有基线，有效提升了推理质量并减少了冗余定位。