SAVER：用稠密参考强化稀疏视频推理

研究者提出 SAVER，一种稠密到稀疏的视频后训练框架，用稠密视频视图作为训练期参考，以接地奖励和可靠性门控参考奖励优化稀疏视图预测。SAVER 仅用 1,250 个随机采样的时序接地样本训练，未使用任何视频问答标注。在三个时序接地基准和六个视频问答基准上，SAVER 在不同帧数预算下均提升表现，可匹配或超越稠密帧 Qwen3.5 基线，同时使用明显更少的帧。