Video Anomaly Detection LLM Reasoning Policy Optimization Multimodal Learning
摘要

针对多模态大模型在视频异常检测中依赖大规模标注或专家先验的问题，本文提出语言相对策略优化（LRPO）方法。该方法从多条推理轨迹中提取群体相对语义优势，转化为语言表达的异常经验先验，并通过上下文注入引导模型输出分布，无需参数更新。LRPO 构建通用与场景两类经验表示，并引入异常对齐奖励以匹配人类风险偏好及强化时序推理。实验表明，在无微调设置下，该方法显著优于现有最先进技术。

AI 推荐理由

论文核心在于通过优化推理轨迹分布来提升视频异常推理能力，属推理机制研究。

研究机构
School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing, China Chongqing College of Artificial Intelligence, Chongqing, China
论文信息
作者 Jiaxu Leng, Jiankang Zheng, Mengjingcheng Mo, Zhanjie Wu, Haosheng Chen et al.
发布日期 2026-07-01
arXiv ID 2607.00654
相关性评分 9/10 (高度相关)
arXiv 页面 下载 PDF