PRFL 细节：用成品视频打标加噪训练奖励模型，无需逐步标注
gowthami_s · x · 2026-10-17
作者解释 PRFL 中奖励模型的训练方式：奖励标签仍来自人工评分的成品视频，但对成品加随机 timestep 的噪声，训练打分器预测同样的好/坏运动质量标签，因此不需要逐步标注。
训练流程：先冻结打分器，rollout 生成器，在某个采样的去噪步反传梯度，并将奖励更新与 SFT 交替进行(SFT 起稳定作用)。
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
- YouTube Music 上线 AI 音乐标签，区分全生成、部分生成与真人作品 — lmoroney · 2026-10-17
- AI 网红人设工作流：Codex+CapCut Web 让一个角色贯穿整个 campaign — alifcoder · 2026-10-17
- Pika 携手 OpenAI 把全套视频创作工具直接塞进 ChatGPT — HeyToha · 2026-10-17
- 用 Gemini 4 挖 Grace Hopper 口述史，五段趣闻做成视频 — DynamicWebPaige · 2026-10-17
- MOSS Image 编辑能力上手：一眼学会独眼人概念，AI Toolkit 已支持训练 — ostrisai · 2026-10-17
- 视频播放中实时打标签：篮球投篮轨迹被逐帧自动标注 — LinusEkenstam · 2026-10-17