视频大模型

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