TurnWise 用回合级信用分配改进流式视频理解 RL

TurnWise 在 GRPO 中引入回合级信用分配并平衡各决策步权重，以提升流式视频理解 RL 训练效果。该方法来自复旦大学、京东等机构的论文《Turns Matter》，聚焦模型反复决定“何时回应”的问题。论文已发布代码、模型与数据集。