目前的流行算法（GRPO）在处理“既要答案对、又要格式好”这种多目标训练时，因为把分算混了（归一化问题）导致效果不好；这篇论文提出的GDPO通过分开算分再组合（解耦归一化），成功解决了这个问题，让模型训练得更好、更稳定。思维链（Chain-of-Thought, CoT）推理已成为多模态大语言模型在视频理解任务中的一项有力工具。然而，其相对于直接作答的必要性与优势尚未得到充分探讨。

记录nougat配置过程以及解决各种问题。

能渲染markdown的vscode插件-vscode-markdown-preview-enhanced安装。