EVA：面向端到端视频代理的高效强化学习框架

针对多模态大模型处理长视频时存在的序列过长及冗余帧问题，现有方法多依赖被动识别或固定工作流。本文提出 EVA，一种基于高效强化学习的端到端视频代理框架。该框架通过“总结 - 规划 - 行动 - 反思”的迭代推理机制，实现“规划先行”，使代理能自主决策观察内容与时机。我们设计了包含监督微调、KTO 及 GRPO 的三阶段训练流程，并构建相应数据集。在六个基准测试中，EVA 显著优于通用基线及现有自适应代理方法。