关于训练时，视频帧配置的问题

[william-ljz]

Hello, 感谢开源这么棒的工作！想请教一下，您们RL和SFT训练时，最大帧是128，每帧最多64 token吗，相当于每个视频最多4096个token?

[tulerfeng]

Hi，SFT训练的时候，视频是用的每个frame最多 128 token，而 RL 为了加速，是64 token。同时，SFT和RL都是128 frame。

RL的时候每个视频最多4096个token，需要修改的话可以改这里的参数：https://github.com/tulerfeng/OneThinker/blob/main/EasyR1/verl/utils/dataset.py#L168

[william-ljz]

Hi，SFT训练的时候，视频是用的每个frame最多 128 token，而 RL 为了加速，是64 token。同时，SFT和RL都是128 frame。

RL的时候每个视频最多4096个token，需要修改的话可以改这里的参数：https://github.com/tulerfeng/OneThinker/blob/main/EasyR1/verl/utils/dataset.py#L168

明白，谢谢回复！