视频大模型

Empower Words: DualGround for Structured Phrase and Sentence-Level Temporal Grounding

Minseok Kang, Minhyeok Lee, Minjung Kim, Donghyeong Kim, Sangyoun Lee

机构 * Yonsei University（延世大学） ； LG Electronics（LG电子） 纠错

专题命中 其他视频模型 ：video-language(abstract)；分类 cs.CV

Comments Comments: 28 pages, including appendix. 5 figures. Full version of the NeurIPS 2025 paper

Answer-Consistent Chain-of-thought Reinforcement Learning For Multi-modal Large Langauge Models

Minbin Huang, Runhui Huang, Chuanyang Zheng, Jingyao Li, Guoxuan Chen, Han Shi, Hong Cheng

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 其他视频模型 ：video reasoning(abstract)；分类 cs.CV

VerIPO: Cultivating Long Reasoning in Video-LLMs via Verifier-Gudied Iterative Policy Optimization

Yunxin Li, Xinyu Chen, Zitao Li, Zhenyu Liu, Longyue Wang, Wenhan Luo, Baotian Hu, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Alibaba International Group（阿里巴巴国际集团） ； Division of AMC and Department of ECE, HKUST（HKUST电子工程系与AMC division） 纠错

专题命中 其他视频模型 ：video reasoning(abstract)；分类 cs.CV

Comments 19 pages, 9 figures, Project Link: https://github.com/HITsz-TMG/VerIPO

CASP: Compression of Large Multimodal Models Based on Attention Sparsity

Mohsen Gholami, Mohammad Akbari, Kevin Cannons, Yong Zhang

专题命中 其他视频模型 ：video-language(abstract)；分类 cs.CV

Unmasked Teacher: Towards Training-Efficient Video Foundation Models

Kunchang Li, Yali Wang, Yizhuo Li, Yi Wang, Yinan He, Limin Wang, Yu Qiao

专题命中 其他视频模型 ：video-language(abstract)；分类 cs.CV

Comments ICCV2023

MineDojo: Building Open-Ended Embodied Agents with Internet-Scale Knowledge

Linxi Fan, Guanzhi Wang, Yunfan Jiang, Ajay Mandlekar, Yuncong Yang, Haoyi Zhu, Andrew Tang, De-An Huang, Yuke Zhu, Anima Anandkumar

专题命中 其他视频模型 ：video-language(abstract)；分类 cs.CV

Comments Outstanding Paper Award at NeurIPS 2022. Project website: https://minedojo.org

Co-Evolving Policy Distillation

共进化策略蒸馏

Naibin Gu, Chenxu Yang, Qingyi Si, Chuanyu Qin, Dingyu Yao, Peng Fu, Zheng Lin, Weiping Wang, Nan Duan, Jiaqi Wang

机构 * Institute of Information Engineering, CAS（中国科学院信息工程研究所） ； School of Cyber Security, UCAS（中国科学院大学网络空间安全学院） 纠错

专题命中 其他视频模型 ：video reasoning(abstract)

AI总结 本文提出CoPD，通过并行训练专家并引入OPD，在专家RLVR训练过程中实现双向知识传递，提升多模态推理能力，优于现有方法。

Comments Work in progress

Wait, We Don't Need to "Wait"! Removing Thinking Tokens Improves Reasoning Efficiency

Chenlong Wang, Yuanning Feng, Dongping Chen, Zhaoyang Chu, Ranjay Krishna, Tianyi Zhou

机构 * University College London（伦敦大学学院） ； University of Washington（华盛顿大学） 纠错

专题命中 其他视频模型 ：video reasoning(abstract)

Video-VoT-R1: An efficient video inference model integrating image packing and AoE architecture

Cheng Li, Jiexiong Liu, Yixuan Chen, Yanqin Jia

专题命中 其他视频模型 ：video-language(abstract)

Comments 18 pages

Neuro-Symbolic AI: An Emerging Class of AI Workloads and their Characterization

Zachary Susskind, Bryce Arden, Lizy K. John, Patrick Stockton, Eugene B. John

专题命中 其他视频模型 ：video reasoning(abstract)

Comments 11 pages, 7 figures