Video Anomaly Detection Reinforcement Learning Tool Use Multi-step Reasoning
摘要

针对视频异常检测(VAD)中传统方法泛化能力差及现有Agent在复杂编排上的不足,本文提出VTO框架。该框架采用过程监督强化学习,使Agent能动态探索环境。通过引入基础模型驱动的认知评估器提供上下文感知反馈,并结合细粒度的步骤级监督,显式惩罚逻辑截断并奖励完整因果链,从而优化多步推理策略。此外,构建了包含12种专用视觉工具的VAD-Tool基准集。实验表明,VTO在工具调度准确率上显著优于基线,提升达10.2%。

AI 推荐理由

论文核心在于多步工具编排与任务规划,通过过程监督优化Agent的多步推理策略和因果链生成。

研究机构
State Key Laboratory of Networking and Switching Technology Beijing University of Posts and Telecommunications Beijing, China School of Digital Media & Design Art
论文信息
作者 Rui Wang, Yeteng Wu, Xianling Zhang, Mengshi Qi
发布日期 2026-08-08
arXiv ID 2608.08219
相关性评分 9/10 (高度相关)