PRFL:免 VAE 解码的潜在空间奖励反馈，视频生成对齐提速
gowthami_s · x · 2026-10-17
arXiv 论文《Video Generation Models Are Good Latent Reward Models》(2511.21541)提出 PRFL(Process Reward Feedback Learning)框架，解决视频生成 ReFL 对齐的痛点。
核心思路
- 现有视频奖励模型基于像素空间输入，必须等去噪接近完成、经 VAE 解码后才能打分，内存开销大、训练慢，且后期优化缺乏早期监督，只能改善视觉质量而非运动动态与结构一致性。
- 作者发现预训练视频生成模型天然适合在含噪潜在空间做奖励模型：它本就为处理任意 timestep 的噪声 latent 而设计，并通过序列建模保留时序信息。
方法
- 复用预训练视频生成 backbone 的一部分，训练奖励模型 PAVRM,可直接给中间(含噪)latent 打分，无需 VAE 解码。
- 好处：反馈更快、解码开销更低，梯度可贯穿整条去噪链反传。
论文链接：https://arxiv.org/abs/2511.21541
所属事件:PRFL：潜在空间过程奖励反馈加速视频生成对齐(5 条相关)→
「多模态」频道最新
- 用 AI 配音+剪纸木偶重制《黑爵士》间谍学校恶搞短片 — Inside-Enthusiasm-59 · 2026-10-17
- FrankenSim：乐器只是副产品，真正目标是用物理仿真合成声音 — doodlestein · 2026-10-17
- AI 视频省钱 87%：480p 重掷再 4K 放大，5 美元顶 9 美元 — alifcoder · 2026-10-17
- 4 台 Mac 实测：Draw Things 本地出图速度达 mflux 1.8 倍 — liuliu · 2026-10-17
- 网友用 obvpm-timeline 做 MiniMax 风格毛怪短片 — SpaceportBoys · 2026-10-17
- Jeff Dean 站台：Elorian 发布视觉思考模型 Glimpse，对标 Astra 关键基准 — JeffDean · 2026-10-17