OraRL

OraRL 是一种面向统一视频多模态大语言模型（video MLLM）的高效可扩展强化学习方法，核心创新是将人工标注视为可靠正向轨迹（annotations as rollouts），结合策略采样构建带基线的在线策略优化框架。技术上支持时空定位（spatial/temporal grounding）、视频分割、视频推理与理解等多任务联合训练，已在 ActivityNet-TimeLens、Charades-TimeLens、MeViS 等 6 个主流视频理解基准上取得 SOTA 或领先性能。适用于需要高精度细粒度视频语义建模的研究与应用，如智能视频分析、人机交互式视频问答、教学视频理解等场景。