可验证奖励教会了视频语言模型关于时间的什么?一项受控的多模型研究
该研究通过微调四个开源视频语言模型(Qwen3-VL、Gemma-3 等),发现使用可验证奖励的训练策略虽能显著提升模型在合成数据上的表现,但并未带来真正的时序理解能力。实验显示,纯合成数据会导致模型在真实视频上泛化性能严重下降,而混合真实视频数据能有效缓解这一问题。此外,研究指出模型准确率的提升主要源于非视觉因素,而非对事件顺序的掌握。
推荐理由:研究表明可验证奖励虽能提升视频语言模型在基准上的准确率,但并未赋予其真正的时序理解能力,且纯合成数据会导致域外泛化严重下降。