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

MAX