Video-Coder:首个用智能体编码强化训练的视频生成模型
HuaxiuYaoML · x · 2026-11-10
论文《Video-Coder: Reinforcing Agentic Coding for Video Generation》(arXiv:2611.09894)提出首个代码驱动的视频生成 agent:模型编写并执行代码构建 3D 场景生成草稿视频,再由视频生成模型渲染成片,通过修改 prompt 精确控制物体数量、布局、轨迹与相机运动。
要点:
- 数据:自建 Video-Coder-SFT-6K 与 Video-Coder-RL-2K 两个数据集
- 训练:基于 Qwen3.5-9B,SFT 后进行 harness 原生 agentic RL,奖励结合执行反馈与视频质量,并采用执行奖励随时间退火的策略
- 成绩:PhyGenBench 提升 24+ 分,VBench-2.0 提升 6+ 分
- 提供完整训练管线,填补开源社区在小模型后训练配方上的空白
所属事件:Video-Coder：代码驱动的可控视频生成智能体(2 条相关)→
「多模态」频道最新
- Fable 5.2 两次生成即出「梦想视频」，网友惊叹超智能时代来临 — DeryaTR_ · 2026-11-10
- Z-Image Turbo 出图对比实测，prompt 与工作流已公开 — FotografoVirtual · 2026-11-10
- 单条 prompt 用 Fable 5.2 生成像素动作游戏,细节惊到 Reddit — MellowShader · 2026-11-10
- 3 个 prompt 用 Fable 5.2 生成游戏背景音乐 — petergyang · 2026-11-10
- 开源版 H3 高清视频精修来了:3 步扩散直出 4K,比官方 API 快 5 倍 — songhan_mit · 2026-11-10
- 开源 Gemini Flash Image MCP Server:让 Agent 直接生成和编辑图片 — modelcontextprotocol · 2026-11-10