热点事件持续更新
文本中心全模态后训练提升推理并降成本
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv Computation and Language 发布论文，提出以文本为中心的全模态推理后训练范式：先用文本-only 监督微调与强化学习优化推理，再用减少数据的原生音视频 RL 精炼感知。论文称，文本-only SFT 加 RL 使 Qwen2.5-Omni-7B 在九项推理分数上的几何均值较基线提升 25.83%，比完整原生音视频路线少 56.6% GPU-hours；精炼阶段输入 token 减少约 90%，感知恢复至基线以上，并保留文本-only 管线 93.5% 的推理增益。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
论文称该范式提升推理分数并减少 GPU-hours 与输入 token，感知恢复至基线以上。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Computation and Language论文提出以文本为中心的全模态推理后训练范式
论文提出以文本为中心的全模态推理后训练范式，用文本训练主优化推理，再用减少数据的原生音视频 RL 精炼感知。文本-only SFT 加 RL 使 Qwen2.5-Omni-7B 九项推理分数几何均值较基线提升 25.83%，比完整原生音视频路线少 56.6% GPU-hours；精炼阶段输入 token 减少约 90%，感知恢复至基线以上，并保留文本-only 管线 93.5% 的推理增益。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。