JevVideo checkpoints
各次训练的最终模型和 Video-MME 成绩，整理于 2026-11-02。分数都是百分比，每档 900 题，括号里是和同一次训练的均匀采帧基线逐题配对的差，CI 是按视频 bootstrap 的 95% 置信区间。
Video-MME 成绩
| 训练 | 答题帧 / 模型 | short | medium | long |
|---|---|---|---|---|
| 32帧旧run | 16 均匀 + 16 细节 | — | 64.22（+1.89，CI -1.11～+4.89） | 53.56（-1.89，CI -4.78～+1.11） |
| 32帧新run | 16 均匀 + 16 细节 | — | 64.78（+2.56，CI -0.33～+5.44） | 53.44（-2.11，CI -5.22～+1.00） |
| 128帧正式 | 32 均匀 + 96 细节 | — | 68.11（-0.22，CI -2.67～+2.33） | 55.56（-2.22，CI -4.67～+0.22） |
| 128帧正式 | 96 均匀 + 32 细节（只改答题帧，没有重训） | — | 69.78（+1.56，CI -0.44～+3.56） | 58.00（+0.11，CI -2.22～+2.33） |
| 长短混合（旧代码） | 16 均匀 + 16 细节 | 75.33（+0.22，CI -2.11～+2.56） | 66.33（+4.00，CI +1.22～+6.78） | 55.11（-0.44，CI -3.22～+2.44） |
| 长短混合（旧代码） | 16 均匀 + 16 细节，1 轮 DAgger 后的模型（没有重训） | — | 65.78（+3.44，CI +0.78～+6.11） | 54.11（-1.44，CI -4.56～+1.67） |
| 长短混合（旧代码） | 24 均匀 + 8 细节（只改答题帧，没有重训） | — | 68.00（+5.67，CI +3.00～+8.22） | 55.67（+0.11，CI -2.78～+2.78） |
| 32帧长短混合（新代码） | 16 均匀 + 16 细节 | 75.56（+0.44，CI -1.89～+3.00） | 64.44（+2.11，CI -0.67～+4.89） | 53.56（-2.22，CI -5.22～+0.78） |
| 32帧长短混合（新代码） | 24 均匀 + 8 细节（只改答题帧，没有重训） | — | 67.44（+5.11，CI +2.44～+7.67） | 53.33（-2.44，CI -5.33～+0.33） |
| 128帧32+96长短混合（新代码） | 32 均匀 + 96 细节 | 74.89（-0.22，CI -2.56～+2.22） | 66.33（-2.00，CI -4.67～+0.67） | 57.56（-0.22，CI -2.89～+2.33） |
| 32帧VideoITG多段 | 16 均匀 + 16 细节 | 75.67（+0.56，CI -1.78～+2.89） | 64.00（+1.67，CI -1.22～+4.56） | 54.11（-1.56，CI -4.56～+1.33） |
| 32帧VideoITG筛B | 16 均匀 + 16 细节 | 75.89（+0.78，CI -1.44～+3.00） | 64.89（+2.56，CI -0.33～+5.33） | 53.00（-2.56，CI -5.44～+0.33） |
| 32帧VideoITG筛B | 24 均匀 + 8 细节（只改答题帧，没有重训） | — | 67.44（+5.11，CI +2.33～+7.67） | 53.33（-2.22，CI -4.78～+0.44） |
| 32帧VideoITG筛B单段 | 16 均匀 + 16 细节 | 76.11（+1.00，CI -1.33～+3.33） | 64.44（+2.11，CI -0.67～+4.78） | 53.89（-1.67，CI -4.44～+1.22） |
- "答题帧 / 模型"一列说的是 medium 和 long 两档。short 档所有训练都用短视频配置：8 均匀 + 8 细节，共 16 帧。
- 32帧旧run 这一行是它的 SFT 最终模型，在它的 RL 评测（rl2、rl3）里顺带测的，两次分数相同，这里只列 rl3。RL 模型的成绩和检查点没有放。
均匀采帧基线（帧数和同一次训练的 medium、long 相同）：
| 训练 | short | medium | long |
|---|---|---|---|
| 32帧旧run | — | 62.33 | 55.44 |
| 32帧新run | — | 62.22 | 55.56 |
| 128帧正式 | — | 68.33 | 57.78 |
| 长短混合（旧代码） | 75.11 | 62.33 | 55.56 |
| 32帧长短混合（新代码） | 75.11 | 62.33 | 55.78 |
| 128帧32+96长短混合（新代码） | 75.11 | 68.33 | 57.78 |
| 32帧VideoITG多段 | 75.11 | 62.33 | 55.67 |
| 32帧VideoITG筛B | 75.11 | 62.33 | 55.56 |
| 32帧VideoITG筛B单段 | 75.11 | 62.33 | 55.56 |
完整数字在 videomme_summary.json，每次训练的配对结果和逐题结果在各自的 videomme/ 下。
训练和最终检查点
| 训练 | 文件夹（RUN_ID） | 训练数据 | DAgger 轮数 | controller / grounding / verifier 选中的步 |
|---|---|---|---|---|
| 32帧旧run | onejev_a1008_v4 |
只有 CG-Bench | 2 | 400 / 995 / 2318 |
| 32帧新run | onejev_sft_videomme_pad3_v1 |
CG-Bench + LV-Haystack | 2 | 400 / 1300 / 900 |
| 128帧正式 | onejev_sft_videomme_pad3_v1_f128 |
CG-Bench + LV-Haystack，128 帧 | 2 | 200 / 1400 / 800 |
| 长短混合（旧代码） | onejev_sft_videomme_mix_v1 |
长视频 + 短视频（QVHighlights、LLaVA-Video），VTS v1 | 2 | 400 / 600 / 600 |
| 32帧长短混合（新代码） | onejev_sft_videomme_mix_mseg_v1 |
长视频 + 短视频，多段证据代码 | 2 | 200 / 1800 / 2800 |
| 128帧32+96长短混合（新代码） | onejev_sft_videomme_mix_mseg_v1_f128 |
长视频 + 短视频，多段证据代码，128 帧 | 2 | 600 / 1000 / 600 |
| 32帧VideoITG多段 | onejev_sft_videomme_vitg20k_v1 |
长视频（VTS v4）+ VideoITG 1,180 题（2 万题初筛，第 1～4 步，多段） | 1 | 1000 / 1669 / 4000 |
| 32帧VideoITG筛B | onejev_sft_videomme_vitgb_v1 |
长视频（VTS v4）+ VideoITG 21,934 题（全部 train，第 1～3 步，多段） | 1 | 3000 / 7000 / 1000 |
| 32帧VideoITG筛B单段 | onejev_sft_videomme_vitgbs_v1 |
长视频（VTS v4）+ VideoITG 19,992 题（全部 train，第 1～3 步，单段） | 2 | 2000 / 5000 / 3000 |
每个文件夹里有什么
| 路径 | 内容 |
|---|---|
policy_set.json |
最终策略集：controller、localize、frame、verifier 各用哪个检查点。localize 和 frame 是同一个 grounding 模型 |
checkpoints/controller、checkpoints/grounding、checkpoints/verifier |
选中的快照：trainable.pt（LoRA 和各个 head 的权重，基座模型见 base_model.json）、trainer.pt、COMPLETE |
config/ |
实际配置 *_frames.yaml、实验记录 *_experiment.json、各轮策略集 *_ps3_r*.json（里面是训练节点上的原始路径） |
sft/<阶段>/ |
各 SFT 阶段的 metrics.jsonl（含 dev 评测）、best_snapshot.txt、early_stopped.json |
videomme/ |
*_comparison_*.json 是和均匀帧的配对比较；*_sft/results.jsonl 是逐题结果（动作序列、选中的帧、答案）；*_uniform/b0_results.jsonl 是均匀帧基线 |
长短混合另有 policy_set_r1.json 和 checkpoints/controller_r1，对应表中"1 轮 DAgger"那一行。
没有放的
视频、特征缓存和 SFT 训练数据没有放（一次训练就有 2 TB 以上），各阶段的中间快照和 RL 检查点也没有放，它们都还在 Blob t-xinyangliu/outputs/jev/<RUN_ID>/ 下。