Video-OPSD：证据帧特权自蒸馏

复现级别：核心机制 mini-suite。 实现证据视图自教师与 evidence-guided token 权重。

论文信息

字段	内容
论文链接	arXiv 2608.27065
公司 / 机构	南洋理工大学（第一作者第一署名单位）
首次公开日期	2026-08-27（arXiv v1）
原作者代码	否：未发现原作者公开代码（核查日期：2026-08-31）
本地 adapter / 方法	video-opsd
本地复现代码	src/auto_research/post_training/latest_20260831.py

原始论文总结

背景与主要改动

学生读取完整视频，训练期自教师只读取人工标注的证据帧；再按 token 对证据的依赖度加权蒸馏。论文称效果接近 GRPO，而训练时间减少约 60%。

flowchart LR
  V[完整视频] --> S[学生 rollout]
  F[证据帧] --> T[特权自教师]
  T --> W[证据依赖 token 权重]
  S --> W
  W --> U[策略更新]

原论文关键图

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ \mathcal L_{EGO}=\sum_t w_t^{evidence}D_{KL}(p_T^t\Vert p_\theta^t). \]

本地复现

arithmetic-smoke、100 steps：accuracy 0.1953 → 0.6562，记录 evidence token weight 与 teacher gap。指标见 metrics/arithmetic-smoke-seed42.json。

复现边界

公开 smoke 数据没有视频帧，使用独立奖励轴模拟“证据依赖”；未训练 Video-LLM，不把概念验证写成论文指标复刻。

真实视频 checkpoint 路径

auto-research video-opsd-eval 在公开 Video-MME-v2 兼容数据上，用同一固定 SmolVLM2 checkpoint 和相同解码预算比较完整视频与 evidence_frame_indices 指定的特权证据视图，并报告三种子 accuracy、parse rate 与答案一致率：

auto-research video-opsd-eval --annotations video-mme-v2-evidence.jsonl \
  --video-root videos --seeds 42,43,44

该入口强制逐题证据帧标注，缺失即失败。它是公开 checkpoint 的证据视图审计，不宣称完成论文 6,500 条训练数据和 8×H100 的完整 OPSD 训练。 A100 验收使用 Video-MME-v2 固定 revision 的官方 demo 视频；仓库中的证据帧是额外协议标注，不是论文作者发布的 OPSD 标注。记录见 Video-OPSD A100 receipt。