논문 정보
- 날짜:
2026-04-13
- 카테고리: -
- 우선순위 점수: 0.767
핵심 요약
비디오 LLM의 비구조적 추론 한계를 극복하기 위해 주요 사건과 인과 관계를 구조화한 ‘Structured Event Facts’를 제안합니다. CausalFact-60K 데이터셋과 4단계 훈련 파이프라인을 통해 모델이 구조적 제약 조건 하에서 논리적 추론을 수행하도록 학습시킵니다. 특히 다목적 강화학습(MORL)을 도입하여 구조적 완결성과 추론의 정확성 사이의 균형을 최적화한 Factum-4B 모델을 개발했습니다.
학습자 관점 포인트
- 우리 팀 영향: 비디오 데이터의 인과 관계를 구조화된 사실로 변환하여 추론의 근거로 활용하는 방식은 복잡한 시각적 추론 성능 향상에 기여할 수 있습니다.
- 권장 액션: 실험
- 액션 근거: 구조화된 이벤트 팩트를 사전 지식으로 활용하는 방식이 기존 비디오 LLM의 환각 현상을 줄이고 인과 추론 정확도를 높일 수 있는지 검증이 필요합니다.
원문 링크
학습자는 이 문서를 읽고 실험 여부를 바로 결정하세요.
