看学术

视频 RLVR 中的捷径放大现象：基于感知不确定性坍缩的分析与 BSPO 方法

研究发现视频 RLVR 训练存在捷径放大效应，模型越来越倾向文本先验答案而非视觉证据，表现为感知不确定性坍缩——答案分布持续锐化但视觉证据带来的不确定性下降逐渐减弱。