基于 veRL 多模态混训的视频上下文并行，百度百舸提升具身智能强化学习效能

Baidu AICLOUD

11-04

在客户场景的实际测试中，百度百舸的方案经过合理的切分配置，单段视频支持的帧数上限提升超过 2 倍，单帧最大分辨率上限提升超过 2.6 倍，可以大幅缩短训练时间。同时显存占用更低，训练曲线更加平稳。在模型效果上，在既有评测集上的准确率评分提升约 5%。