VepAgent: Bridging Causal-Transition via Tool-Augmented Reinforcement Learning for Video Event Prediction
VepAgent 結合因果轉移推理與工具增強式強化學習,用於影片事件預測,並在 FutureBench 和 NEPBench 上達到最先進水平,表現優於更大型的 MLLM。研究以 futurebench-4K 建立監督式微調數據集,並加入狀態追蹤、畫面檢索及區域放大工具,補回時空證據。複合式獎勵機制則共同最佳化預測準確度、因果連貫性及可靠先驗。