VideoGen-Agent от Принстона и Стэнфорда
VideoGen-Agent от Принстона и Стэнфорда Мультимодальный агент, обученный агентным RL координировать инструменты для генерации видео. Не просто один прогон модели, а цикл: поискать контекст - сгенерировать - проверить - доработать • аугментация - веб-поиск, поиск картинок, физическая симуляция PyBullet • генерация - T2V, I2V, по движению и по референсам • проверка - детекция объектов и оценка глубины готового ролика • разделяет промпт на этапы и сам решает, когда остановиться • поднимает базовый Seedance 1.0 с 56.5 до 75.6 (+19.1) на VABench • со свежими инструментами на инференсе без дообучения - 86.1 • люди предпочитают его 84.3% сравнений • базовая модель - Qwen3-VL-8B Код ждем #agent #assistant #t2v #ref2v
61 просмотров