# 视频推理

视频推理的正确答案常取决于少数几个视觉关键位置，而GRPO一类后训练方法给整条推理轨迹打一个粗粒度分数，还要多次采样或外部裁判。VIOS改为让模型自己审计视觉依赖：比较带视频与不带视频时下一词分布的差异，得到学生与答案特权教师之间的逐词依赖差，把监督集中到学生低估视觉证据的位置。在12项视频理解基准上，Qwen2.5-VL-7B-SFT平均分从46.35升到49.95，InternVL2.5-4B与InternVL2.5-8B分别提升4.63和3.93分，且只需单次在线采样、无外部奖励或裁判。

视频推理的正确答案常取决于少数几个视觉关键位置，而GRPO一类后训练方法给整条推理轨迹打一个粗粒度分数，还要多次采样或外部裁判。VIOS改为让模型自己审计视觉依赖：比较带视频与不带视频时下一词分布的差异，得到学生与答案特权教师之间的逐词依赖差，把监督集中到学生低估视觉证据的位置。在12项视频理解基准上，Qwen2.5-VL-7B-SFT平均分从46.35升到49.95，InternVL2.5-4B与InternVL2.5-8B分别提升4.63和3.93分，且只需单次在线采样、无外部奖励或裁判。