推理作为交叉点：视频 MLLM 中视觉焦点的共识框架对齐

强化学习提高了 大语言模型 的推理能力，但将仅结果奖励应用于视频多模态 大语言模型（视频-MLLM）对于视觉证据应该支持答案提供了有限的指导。受多感官整合的启发，一致的线索可以增强感知估计的显着性和可靠性，我们引入了共识框架 GRPO (CF-GRPO)，这是一种用于证据感知视频推理的无时间注释的过程级奖励框架。 CF-GRPO 根据内在视频线索构建共识框架，包括时间覆盖、场景转换线索和查询条件视觉相关性。然后，它根据视觉和响应表示计算模型端框架使用得分，并通过共识框架奖励 (CFR) 优化它们的一致性。通过显着性感知的稀疏聚合和分布锐化，CFR 可以提供高对比度奖励信号，而无需人工时间注释。实验表明，VideoCFR 在复杂的视频推理基准测试中实现了具有竞争力的性能，并改进了代表性 Video-MLLM 和 RL 基线的多个指标，而共识先验提供了训练期间强调的证据框架的可解释视图。该实现可在 https://github.com/1Pansy/VideoCFR 获取。