Video Reasoning Adaptive Inference Reinforcement Learning Token Efficiency
摘要

思维链(CoT)推理虽能提升复杂视频问答性能,但常对简单问题造成解码令牌浪费。本文提出AdaThinkV,一种无需离线标签或外部路由器的自适应视频推理框架。通过强化学习采样显式推理与直接回答模式,利用ThinkGain平衡准确率增益与响应长度以提供监督。针对困难提示中信号不足的问题,引入方差恢复策略优化(VRPO)以恢复信息。实验表明,AdaThinkV在统一视频推理评估中平均准确率达40.79%,较最强基线高出2.98分,且令牌使用量减少22.7%。

AI 推荐理由

论文核心研究视频推理中的自适应思考机制,旨在优化思维链效率,直接关联推理能力。

研究机构
清华大学深圳国际研究生院 阿里巴巴集团 北京大学
论文信息
作者 Jingqi Tian, Haoji Zhang, Lin Chen, Hongbo Jin, Haonan Xu et al.
发布日期 2026-08-03
arXiv ID 2608.01980
相关性评分 9/10 (高度相关)