该工作针对现有基于强化学习的视频大模型在推理过程中往往产生肤浅推理，且无法为精确的时序定位提供有效指导的问题，提出了全新的时序感知推理优化（Temporal-Aware Reasoning Optimization，TaRO）训练框架 … 针对视频时序定位中多模态大模型推理流于表面、缺乏真正时间感知的问题，本文推出了 TaRO 框架 … 通过引入模板化推理探索机制来高效引导模型带着时间思考，并利用时序敏感度奖励来量化推理质量 ，TaRO 成功提升了多模态大模型的时序推理能力。
该工作针对现有基于强化学习的视频大模型在推理过程中往往产生肤浅推理，且无法为精确的时序定位提供有效指导的问题，提出了全新的时序感知推理优化（Temporal-Aware Reasoning Optimization，TaRO）训练框架 … 针对视频时序定位中多模态大模型推理流于表面、缺乏真正时间感知的问题，本文推出了 TaRO 框架 … 通过引入模板化推理探索机制来高效引导模型带着时间思考，并利用时序敏感度奖励来量化推理质量 ，TaRO 成功提升了多模态大模型的时序推理能力。