VideoRFT: Incentivizing Video Reasoning Capability in MLLMs via Reinforced Fine-Tuning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Qi, Yu, Yanrui, Yuan, Ye, Mao, Rui, Zhou, Tianfei |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
LAVA: Language Driven Scalable and Versatile Traffic Video Analytics
par: Yu, Yanrui, et autres
Publié: (2025)
par: Yu, Yanrui, et autres
Publié: (2025)
Pose-RFT: Enhancing MLLMs for 3D Pose Generation via Hybrid Action Reinforcement Fine-Tuning
par: Li, Bao, et autres
Publié: (2025)
par: Li, Bao, et autres
Publié: (2025)
Visual-RFT: Visual Reinforcement Fine-Tuning
par: Liu, Ziyu, et autres
Publié: (2025)
par: Liu, Ziyu, et autres
Publié: (2025)
Reason-RFT: Reinforcement Fine-Tuning for Visual Reasoning of Vision Language Models
par: Tan, Huajie, et autres
Publié: (2025)
par: Tan, Huajie, et autres
Publié: (2025)
Mesh-RFT: Enhancing Mesh Generation via Fine-grained Reinforcement Fine-Tuning
par: Liu, Jian, et autres
Publié: (2025)
par: Liu, Jian, et autres
Publié: (2025)
Video-R1: Reinforcing Video Reasoning in MLLMs
par: Feng, Kaituo, et autres
Publié: (2025)
par: Feng, Kaituo, et autres
Publié: (2025)
3D-RFT: Reinforcement Fine-Tuning for Video-based 3D Scene Understanding
par: Linghu, Xiongkun, et autres
Publié: (2026)
par: Linghu, Xiongkun, et autres
Publié: (2026)
Video-MSR: Benchmarking Multi-hop Spatial Reasoning Capabilities of MLLMs
par: Zhu, Rui, et autres
Publié: (2026)
par: Zhu, Rui, et autres
Publié: (2026)
MotionRFT: Unified Reinforcement Fine-Tuning for Text-to-Motion Generation
par: Tan, Xiaofeng, et autres
Publié: (2026)
par: Tan, Xiaofeng, et autres
Publié: (2026)
AbductiveMLLM: Boosting Visual Abductive Reasoning Within MLLMs
par: Chang, Boyu, et autres
Publié: (2026)
par: Chang, Boyu, et autres
Publié: (2026)
SpaceR: Reinforcing MLLMs in Video Spatial Reasoning
par: Ouyang, Kun, et autres
Publié: (2025)
par: Ouyang, Kun, et autres
Publié: (2025)
ConsistentRFT: Reducing Visual Hallucinations in Flow-based Reinforcement Fine-Tuning
par: Tan, Xiaofeng, et autres
Publié: (2026)
par: Tan, Xiaofeng, et autres
Publié: (2026)
WorldRFT: Latent World Model Planning with Reinforcement Fine-Tuning for Autonomous Driving
par: Yang, Pengxuan, et autres
Publié: (2025)
par: Yang, Pengxuan, et autres
Publié: (2025)
VideoReasonBench: Can MLLMs Perform Vision-Centric Complex Video Reasoning?
par: Liu, Yuanxin, et autres
Publié: (2025)
par: Liu, Yuanxin, et autres
Publié: (2025)
VideoChat-R1: Enhancing Spatio-Temporal Perception via Reinforcement Fine-Tuning
par: Li, Xinhao, et autres
Publié: (2025)
par: Li, Xinhao, et autres
Publié: (2025)
Point-RFT: Improving Multimodal Reasoning with Visually Grounded Reinforcement Finetuning
par: Ni, Minheng, et autres
Publié: (2025)
par: Ni, Minheng, et autres
Publié: (2025)
Video-KTR: Reinforcing Video Reasoning via Key Token Attribution
par: Wang, Ziyue, et autres
Publié: (2026)
par: Wang, Ziyue, et autres
Publié: (2026)
STVG-R1: Incentivizing Instance-Level Reasoning and Grounding in Videos via Reinforcement Learning
par: Zhang, Xiaowen, et autres
Publié: (2026)
par: Zhang, Xiaowen, et autres
Publié: (2026)
Reinforcing Consistency in Video MLLMs with Structured Rewards
par: Quan, Yihao, et autres
Publié: (2026)
par: Quan, Yihao, et autres
Publié: (2026)
PointRFT: Explicit Reinforcement Fine-tuning for Point Cloud Few-shot Learning
par: Wang, Yankai, et autres
Publié: (2026)
par: Wang, Yankai, et autres
Publié: (2026)
Incentivizing Cardiologist-Like Reasoning in MLLMs for Interpretable Echocardiographic Diagnosis
par: Qin, Yi, et autres
Publié: (2026)
par: Qin, Yi, et autres
Publié: (2026)
MedScope: Incentivizing "Think with Videos" for Clinical Reasoning via Coarse-to-Fine Tool Calling
par: Li, Wenjie, et autres
Publié: (2026)
par: Li, Wenjie, et autres
Publié: (2026)
GigaVideo-1: Advancing Video Generation via Automatic Feedback with 4 GPU-Hours Fine-Tuning
par: Bao, Xiaoyi, et autres
Publié: (2025)
par: Bao, Xiaoyi, et autres
Publié: (2025)
VideoCap-R1: Enhancing MLLMs for Video Captioning via Structured Thinking
par: Meng, Desen, et autres
Publié: (2025)
par: Meng, Desen, et autres
Publié: (2025)
Touch-R1: Reinforcing Touch Reasoning in MLLMs
par: Lai, Yingxin, et autres
Publié: (2026)
par: Lai, Yingxin, et autres
Publié: (2026)
TimeSuite: Improving MLLMs for Long Video Understanding via Grounded Tuning
par: Zeng, Xiangyu, et autres
Publié: (2024)
par: Zeng, Xiangyu, et autres
Publié: (2024)
VLA-RFT: Vision-Language-Action Reinforcement Fine-tuning with Verified Rewards in World Simulators
par: Li, Hengtao, et autres
Publié: (2025)
par: Li, Hengtao, et autres
Publié: (2025)
VAU-R1: Advancing Video Anomaly Understanding via Reinforcement Fine-Tuning
par: Zhu, Liyun, et autres
Publié: (2025)
par: Zhu, Liyun, et autres
Publié: (2025)
ReVSeg: Incentivizing the Reasoning Chain for Video Segmentation with Reinforcement Learning
par: Li, Yifan, et autres
Publié: (2025)
par: Li, Yifan, et autres
Publié: (2025)
Free-MoRef: Instantly Multiplexing Context Perception Capabilities of Video-MLLMs within Single Inference
par: Wang, Kuo, et autres
Publié: (2025)
par: Wang, Kuo, et autres
Publié: (2025)
OmniSparse: Training-Aware Fine-Grained Sparse Attention for Long-Video MLLMs
par: Chen, Feng, et autres
Publié: (2025)
par: Chen, Feng, et autres
Publié: (2025)
UVE: Are MLLMs Unified Evaluators for AI-Generated Videos?
par: Liu, Yuanxin, et autres
Publié: (2025)
par: Liu, Yuanxin, et autres
Publié: (2025)
R-4B: Incentivizing General-Purpose Auto-Thinking Capability in MLLMs via Bi-Mode Annealing and Reinforce Learning
par: Yang, Qi, et autres
Publié: (2025)
par: Yang, Qi, et autres
Publié: (2025)
Thinking With Bounding Boxes: Enhancing Spatio-Temporal Video Grounding via Reinforcement Fine-Tuning
par: Gu, Xin, et autres
Publié: (2025)
par: Gu, Xin, et autres
Publié: (2025)
Local-Global Context Aware Transformer for Language-Guided Video Segmentation
par: Liang, Chen, et autres
Publié: (2022)
par: Liang, Chen, et autres
Publié: (2022)
Video-MTR: Reinforced Multi-Turn Reasoning for Long Video Understanding
par: Xie, Yuan, et autres
Publié: (2025)
par: Xie, Yuan, et autres
Publié: (2025)
DeepVideo-R1: Video Reinforcement Fine-Tuning via Difficulty-aware Regressive GRPO
par: Park, Jinyoung, et autres
Publié: (2025)
par: Park, Jinyoung, et autres
Publié: (2025)
InternVideo2.5: Empowering Video MLLMs with Long and Rich Context Modeling
par: Wang, Yi, et autres
Publié: (2025)
par: Wang, Yi, et autres
Publié: (2025)
VLN-R1: Vision-Language Navigation via Reinforcement Fine-Tuning
par: Qi, Zhangyang, et autres
Publié: (2025)
par: Qi, Zhangyang, et autres
Publié: (2025)
Reinforcement Fine-Tuning Powers Reasoning Capability of Multimodal Large Language Models
par: Sun, Haoyuan, et autres
Publié: (2025)
par: Sun, Haoyuan, et autres
Publié: (2025)
Documents similaires
-
LAVA: Language Driven Scalable and Versatile Traffic Video Analytics
par: Yu, Yanrui, et autres
Publié: (2025) -
Pose-RFT: Enhancing MLLMs for 3D Pose Generation via Hybrid Action Reinforcement Fine-Tuning
par: Li, Bao, et autres
Publié: (2025) -
Visual-RFT: Visual Reinforcement Fine-Tuning
par: Liu, Ziyu, et autres
Publié: (2025) -
Reason-RFT: Reinforcement Fine-Tuning for Visual Reasoning of Vision Language Models
par: Tan, Huajie, et autres
Publié: (2025) -
Mesh-RFT: Enhancing Mesh Generation via Fine-grained Reinforcement Fine-Tuning
par: Liu, Jian, et autres
Publié: (2025)