南开程明明实验室提出OraRL:不用思维链,标注即rollout,大模型强化学习又快又准

我爱计算机视觉 2026年08月25日 查看原文

已收录文章摘要,完整内容可前往原文阅读。

本篇分享论文 Annotations as Rollouts: Efficient and Scalable Reinforcement Learning for Video MLLMs,南开大学程明