摘要
当前长视频理解的多模态反射机制多依赖内部参数的闭环自反思，缺乏客观外部证据，易陷入盲目自信且难以纠错。针对此问题及强化学习中的策略耦合困境，本文提出 Reflect-R1，首个基于证据驱动的长视频自我修正框架。该框架构建了直觉、验证与仲裁三阶段流程，通过动态检索视觉证据验证直觉并自主执行时序搜索以解决冲突，彻底打破幻觉循环。此外，设计了阶段解耦的 SD-GRPO 强化学习算法，并构建了 12 万样本数据集。实验表明，该方法显著提升了真实修正率，实现了基于客观证据的真正自我修正。
AI 推荐理由
论文提出基于证据的自我修正框架，核心在于通过反思机制实现模型的自我改进与纠错。
研究机构
同济大学
广东实验室人工智能与数字经济（深圳）
华南理工大学
上海交通大学
清华大学
加州大学洛杉矶分校
论文信息