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