DDRL 视频模型奖励更低却赢人类偏好 10.5 个百分点
gowthami_s · x · 2026-10-15
DDRL 论文实测细节：基于 Cosmos2.5 pre-RL checkpoint 做 full finetune(2B/14B)，93 帧 720p，1,044 条测试 prompt。在 2B 文生视频上，DDRL 的 VideoAlign 奖励低于 DanceGRPO(0.604 vs 0.715)，但人类偏好反超 10.5 个百分点，总比较约 9.6k 次。作者提醒人工评测只有约 15 名评分者、近半为论文作者，希望看到更广泛的人工评估。
所属事件:DDRL：保留扩散损失治好视频 RL 微调的 reward hacking(5 条相关)→
「多模态」频道最新
- Midjourney sref 风格码分享:蜡笔质感「墨镜抽烟猫」系列 — sergeantsref · 2026-10-23
- 「Charming naive folk art painting」Midjourney 提示词实测出片 — AndyMasley · 2026-10-23
- AI 生成梗图：芭比淡定喝饮料背后是骚乱火海 — McDonaghMatthew · 2026-10-23
- Meta 案例解析:AI 时尚应用 Alta 如何用 SAM 3 数字化衣橱 — nikhilaravi · 2026-10-23
- 不用达芬奇和 Premiere：用 Codex/Claude Code 完成视频剪辑 — MatthewBerman · 2026-10-23
- Pinokio 作者分享 CozyClay 完整视频教程，连作者都称有新收获 — cocktailpeanut · 2026-10-23