論文の概要: FinishStrong: Learning to End Well after Imperfect Start in Video Temporal Grounding
- arxiv url: http://arxiv.org/abs/2611.01765v1
- Date: Sun, 01 Nov 2026 10:12:32 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 19:50:42.514786
- Title: FinishStrong: Learning to End Well after Imperfect Start in Video Temporal Grounding
- Title（参考訳）: FinishStrong: ビデオの時間的グラウンドで完璧にスタートした後で、うまく終わることを学べる
- Abstract要約: 粗悪なスタートは天井を下げるが、うまく仕上げる価値は否定しない。
我々はFinishStrongを紹介した。FinishStrongは最適継続を教えるために設計された新しい2段階のポストトレーニングフレームワークである。
FinishStrong-9Bは、TimeLens-Bench上で61.7%の最先端のIoUを実現し、Gemini-3.8-FlashやQwen3.8-Maxのような旗艦のクローズドソースモデルよりも優れていた。
- 参考スコア（独自算出の注目度）: 25.99274825266456
- License:
- Abstract: A poor start lowers the ceiling, but does not negate the value of finishing well. In autoregressive video temporal grounding, models systematically exhibit an endpoint performance asymmetry, predicting ends significantly worse than starts. A committed flawed start acts as an immutable physical constraint, irreversibly capping the attainable overlap as a sunk loss. While models should minimize the remaining conditional regret, standard post-training paradigms fail to teach this adaptation. Specifically, teacher-forced SFT suffers from strict prefix exposure bias, and holistic trajectory evaluation in standard GRPO inadvertently penalizes conditionally optimal ends if they follow a poor start. To address this, we introduce FinishStrong, a novel two-stage post-training framework explicitly designed to teach optimal continuations. First, Online-start SFT exposes the end prediction to the model's own generated contexts. Second, Conditional-tree GRPO restructures the sampling topology, centering end rewards exclusively within the same-start branch to mathematically isolate the conditional end quality from the inherited start penalty. FinishStrong-9B achieves a state-of-the-art 61.7\% overall IoU on TimeLens-Bench, remarkably outperforming flagship closed-source models like Gemini-3.8-Flash and Qwen3.8-Max. Crucially, when forced to continue from imperfect starts, it reduces the subsequent end prediction error by 36.5\%, proving its exceptional ability to end well after flawed starts. Code will be open.
- Abstract（参考訳）: 粗悪なスタートは天井を下げるが、うまく仕上げる価値は否定しない。
自己回帰的ビデオ時間的グラウンドでは、モデルはエンドポイントのパフォーマンス非対称性を体系的に示し、終了をスタートよりもはるかに悪化させる。
コミットされた欠陥のある開始は、不変な物理的制約として作用し、達成可能なオーバーラップをサンク損失として不可逆的にカプセル化する。
モデルは残りの条件付き後悔を最小限に抑えるべきであるが、訓練後の標準パラダイムはこの適応を学ばない。
具体的には、教師が強制したSFTは厳密なプレフィックス露出バイアスに悩まされ、標準GRPOにおける全体的軌道評価は、粗悪なスタートに従えば、必然的に最適端を罰する。
そこで我々はFinishStrongを紹介した。FinishStrongは最適継続を教えるために設計された新しい2段階のポストトレーニングフレームワークである。
まず、オンラインスタートSFTは、モデルが生成したコンテキストに終末予測を公開する。
第2に、Conditional-tree GRPOはサンプリングトポロジを再構成し、同じスタートブランチ内でのみエンド報酬を集中させ、継承されたスタートペナルティから条件付きエンド品質を数学的に分離する。
FinishStrong-9B は TimeLens-Bench 上で 61.7\% の最先端の IoU を達成し、Gemini-3.8-Flash や Qwen3.8-Max といったフラッグシップのクローズドソースモデルよりも大幅に性能が向上した。
致命的なことに、不完全な開始を強制すると、続く終了予測誤差を36.5 %削減し、欠陥のある開始後に正常に終了する異常な能力を示す。
コードはオープンします。
関連論文リスト
- One-Step Prediction Fidelity Is a Poor Proxy for Planning Performance in JEPA World Models [0.0]
物理ユニットのワンステップエラーを報告するフリーズデコーダプロトコルを導入する。
同じチェックポイント上で,目標条件のプランニングを3つのトレーニングシードとペアのプランニングシードで測定する。
論文 参考訳（メタデータ） (2026-10-14T01:19:50Z) - ConicFlow: constrained Inference-time optimal control for flow matching models [72.24720987598323]
ConicFlowフレームは、最適制御問題として、推論時のフローマッチングモデルからのサンプリングを制約した。
我々は,各ステップの軌跡のショートウィンドウのみを最適化し,遅延水平制御を適用して計算的トラクタビリティを向上する。
最近の大規模フローマッチングモデルによる低次元および高次元の両方の実験により、ConicFlowは高い報酬と強い制約満足度を達成することが示された。
論文 参考訳（メタデータ） (2026-10-09T20:32:34Z) - Point-Selection Fine-Tuning Framework for Robust Point Cloud Classification [13.13510696965873]
PSFTは、パラメータ効率を保ちながら堅牢性を向上する点選択微調整フレームワークである。
また,PSFTは,テスト済みの3Dバックボーン全体にわたって,Model-CとModelNet40-Cの劣化誤差を一貫して低減することを示した。
論文 参考訳（メタデータ） (2026-07-22T03:27:18Z) - ESPO: Early-Stopping Proximal Policy Optimization [78.79610718910628]
ESPO(Early-Stopping Proximal Policy Optimization)は、軌道上の障害を検出し、ロールアウトを早期に終了する。
DeepSeek-R1-Distill-Qwen-7Bでは、ESPOはAIME2024(46.28%対45.25%)、AMC2023(85.83%対82.94%)、MATH-500(87.42%対85.43%)でPPOを上回っている。
論文 参考訳（メタデータ） (2026-05-28T12:40:22Z) - SOAR: Self-Correction for Optimal Alignment and Refinement in Diffusion Models [48.335262141752715]
拡散モデルのための後トレーニングパイプラインには、キュレートされたデータに対する教師付き微調整(SFT)と報酬モデルによる強化学習(RL)の2段階がある。
本稿では,このギャップを埋めるバイアス補正ポストトレーニング法であるSOAR(Self-Correction for Optimal Alignment and Refinement)を提案する。
オンライン政治であり、報酬なしであり、クレジット割り当ての問題なく、時間ごとの密集した監督を提供する。
論文 参考訳（メタデータ） (2026-04-14T11:45:15Z) - MERGETUNE: Continued fine-tuning of vision-language models [77.8627788911249]
微調整視覚言語モデル(VLM)は、しばしば事前訓練された知識を破滅的に忘れてしまう。
ゼロショットモデルに適応した後に事前学習した知識を回復するための新しいパラダイムである連続微調整(CFT)を導入する。
論文 参考訳（メタデータ） (2026-01-15T15:15:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。