全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

抑制 VideoLLM 微调收益背后的捷径

Supervised fine-tuning (SFT) is the stage in which Video Large Language Models (VideoLLMs) advance their capability to reason over video. However, the VideoLLM also learns to answer from textual regularities of its training data, a shortcut that bypasses the video. The regularities behind the shortcut are hard to defin

阅读原文 · Youngwoo Shin, Jongsuk Kim, Junmo Kim

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

这篇论文盯上了一个做 VideoLLM 微调的人多少都撞见过的现象:SFT 之后准确率涨了,但模型未必更懂视频。 作者说,涨的那部分里藏着一个“捷径”,模型学会了从训练数据的文本规律里直接找答案,把视频跳过去。这个捷径 在训练分布上看不出来 ,因为它被准确率的提升盖住了。 如果你在做视频理解的产品或训练,这篇值得翻一翻。它给的不是数据清洗方案,而是直接改微调...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。