一种基于双阶段直接偏好优化的长时序视频偏好对齐方法及系统

一种基于双阶段直接偏好优化的长时序视频偏好对齐方法及系统，构建长视频偏好对齐系统，对输入的长视频输出问答及推理链，包括：锚点片段生成模块，通过短视频片段混排构建长视频模拟序列，并选定目标锚点片段生成偏好三元组；自推理长视频对齐模块，对真实长视频递归生成场景级字幕并构建推理链问答，实现跨场景信息整合；直接偏好优化训练模块，利用构建的偏好三元组对策略模型进行直接偏好优化，以及配套的参考模型与短上下文视觉语言模型。本发明无需任何人工长视频标注，提升长时序任务中的信息整合与因果推理能力，提高答案的准确性和透明度，显著降低显存和计算资源占用，同时保持短视频基准性能，实现高效部署。