NUS 等团队发布 CycleGRPO：用循环自验证强化学习统一区域理解与定位

NUS、国科大与南洋理工团队提出 Generalized CycleGRPO，将空间、时间与时空领域的区域理解和定位纳入统一的强化学习框架。其循环自验证机制通过描述区域、重建并计算重叠度来生成奖励，无需外部评判模型，可同时适用于图像掩码或框、视频区间及带时间戳的空间证据。