Xiaomi（小米）

REVISOR: Beyond Textual Reflection, Towards Multimodal Introspective Reasoning in Long-Form Video Understanding

REVISOR：超越文本反思，迈向长视频理解的多模态反思推理

Jiaze Li, Hao Yin, Wenhui Tan, Jingyang Chen, Boshen Xu, Yuxun Qu, Yijing Chen, Jianzhong Ju, Zhenbo Luo, Jian Luan

机构 * MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus实验室） ； Renmin University of China（中国人民大学） 纠错

AI总结 REVISOR通过多模态反思框架提升长视频理解能力，解决纯文本反思在动态视觉输入和跨模态交互上的不足，采用Dual Attribution Decoupled Reward机制增强因果对齐，无需额外监督微调即在多个基准测试中取得优异成绩。