为什么“逐步思考”在视频推理中会失效？
在数学推理任务中，让大模型“一步一步思考”通常能显著提升性能。然而，当同样的方法被应用于视频问答时，效果却常常不尽如人意，有时甚至不如让模型“直接回答”。
来自阿里巴巴未来生活实验室的研究团队指出，其根源在于任务性质的根本差异：数学推理是纯文本的逻辑推演，而视频推理要求模型在视觉信息与文本逻辑之间反复穿梭、交叉验证。简单套用文本领域的思维链方法，容易导致模型脱离视频内容进行“脑补”，从而产生更多事实幻觉。
为此，团队提出了一个核心洞见：模型“思考”的效果，取决于我们是否教会了它“如何思考”。 基于此，他们构建了一套完整的解决方案，包括一个高质量的视频推理数据集ReWatch，以及一个能够像人类一样“回看”视频进行证据链思考的SOTA模型ReWatch-R1。相关论文已被ICLR 2026接收。
高质量视频推理数据集：ReWatch
研究团队发现，现有训练数据存在三大痛点：视频描述粗糙、问答过于简单、思维链严重依赖文本常识而非视频内容。为此，他们构建了包含1万个视频、17万问答对和13.5万条思维链的ReWatch数据集，其具备三大核心优势：
1. 高保真时序字幕： 采用分层字幕生成方法，为长视频生成带有精确时间戳的详细事件描述，为复杂推理提供坚实、可查证的事实基础。
2. 高难度视频问答： 通过“摘要vs精读”的对比生成策略和三层过滤机制，确保问题必须依赖视频中的细节才能解答，从根本上杜绝模型依靠猜测或常识蒙混过关。
3. 视频接地的思维链： 首创多智能体ReAct框架，模拟人类“回看、确认”的思考行为。通过“推理智能体”和“观察智能体”的协作，生成明确记录“去视频哪里看”以及“看到了什么”的推理轨迹，确保思维链的每一步都与视频内容紧密绑定。
整个数据集的构建包含三个阶段：分层字幕生成、高难度问答对生成、以及多智能体思维链合成，确保了数据的高质量与高难度。
让模型学会“如何思考”：ReWatch-R1
有了高质量的“教材”，如何教会模型学习？研究团队采用监督微调+强化学习的范式，并通过一个创新的奖励机制，让模型掌握思考的精髓。
训练方法的核心是 带过程奖励的强化学习。它不再仅仅奖励“答案是否正确”，而是直接监督和奖励模型的中间推理过程，从而有效抑制推理幻觉。
这一巧妙的“过程奖励”具体如何计算？
研究团队将推理过程拆解为：视频+问题 → 观察+推理 → 答案。奖励针对中间环节进行评估：
1. 观察奖励： 评估模型的“观察”是否真实。将模型生成的观察描述，与数据集中高保真的字幕进行比对。观察越符合视频事实，奖励越高。
2. 推理奖励： 评估模型的“推理动作”是否有效。将模型推理中产生的“观察”结果作为唯一信息源，检验其能否仅凭这些信息推导出正确答案。如果可以，说明其推理步骤是充分且高效的，将获得奖励。
通过这种方式，模型不仅学会了要得出正确答案，更学会了如何通过真实、有效的步骤进行思考，像一个侦探一样，基于证据链进行推理。
实验结果与关键洞察
1. 全面超越，达到SOTA性能
实验结果表明，ReWatch-R1在五个主流视频推理基准测试中，平均性能显著超越了所有同量级的开源模型，取得了SOTA成绩，证明了该方法论的有效性。
2. 关键发现：强化学习是释放“思考”潜力的钥匙
一个有趣的发现是：在监督微调阶段，“思考模式”的性能始终无法超越“直接回答”模式。这说明监督微调只能教会模型思考的“形式”，而无法领悟其“精髓”。
然而，经过强化学习阶段的训练后，“思考模式”的性能实现了惊人飞跃，最终大幅超越了“直接回答”模式，展现出最高的性能上限。这有力证明了，显式的、一步步的、有证据支撑的推理过程对于解决复杂视频任务至关重要，而强化学习是激发这种深度思考能力的关键。
总结
ReWatch-R1的工作为视频理解领域贡献了宝贵的思路与资源。它通过创新的“智能体合成数据”方法，解决了高质量视频推理数据稀缺的核心瓶颈；并通过“过程奖励”强化学习，成功教会了模型如何基于视频证据进行“深度思考”，而非空想。这项研究表明，让模型学会“如何思考”，是通往更高阶视频智能的关键一步。
论文标题：ReWatch-R1: Boosting Complex Video Reasoning in Large Vision-Language Models through Agentic Data Synthesis
论文链接：https://arxiv.org/abs/2509.23652
项目主页：https://rewatch-r1.github.io
开源数据：https://www.modelscope.cn/datasets/zcccccz/ReWatch
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/19836
