AdaThinkV：词元高效视频推理的自适应思维

思想链 (CoT) 推理可以提高困难视频问题的性能，但通常会浪费简单问题的解码标记。我们研究视频多模态 大语言模型 是否可以针对每个问题调整其推理工作。我们提出了 AdaThinkV，一种用于视频推理的自适应框架，它可以学习是否在没有离线难度标签、手动调整置信度阈值或外部路由器的情况下进行显式推理。在强化学习过程中，AdaThinkV 对每个提示以显式推理和直接回答模式进行匹配的采样。 ThinkGain 通过平衡准确度增益与额外响应长度来估计显式推理的提示级效用，为条件响应生成和自主模式选择提供监督。对于困难的提示，有限的轨迹采样探索可能会产生每个响应都不成功的组，并且准确性奖励几乎没有变化，从而为学习提供了不足的信号。因此，我们引入了方差恢复策略优化（VRPO），它保留并逐步扩展这些组，以从困难但可解决的提示中恢复信息信号。在推理时，AdaThinkV 选择响应模式并以单个自回归序列生成响应。在一套统一的视频推理评估中，AdaThinkV 的平均准确度为 40.79，平均有 257.20 个输出标记，比最强的评估自适应基线高 2.98 个点，同时使用的标记少了 22.7%。项目页面：https://trilarflagz.github.io/AdaThinkV/