視頻生成模型變身智能體：斯坦福Percy Liang等提出VideoAgent，竟能自我優(yōu)化

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：視頻生成模型變身智能體：斯坦福Percy Liang等提出VideoAgent，竟能自我優(yōu)化
關(guān)鍵字：視頻,模型,反饋,報(bào)告,成功率
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

機(jī)器之心報(bào)道
編輯：Panda現(xiàn)在正是「文本生視頻」賽道百花齊放的時(shí)代，而且其應(yīng)用場景非常多，比如生成創(chuàng)意視頻內(nèi)容、創(chuàng)建游戲場景、制作動(dòng)畫和電影。甚至有研究表明還能將視頻生成用作真實(shí)世界的模擬器，比如 OpenAI 今年初就發(fā)布過一份將視頻生成模型作為世界模擬器的技術(shù)報(bào)告，參閱機(jī)器之心報(bào)道《我在模擬世界！OpenAI 剛剛公布 Sora 技術(shù)細(xì)節(jié)：是數(shù)據(jù)驅(qū)動(dòng)物理引擎》。
文本生視頻模型的這些近期應(yīng)用既有望實(shí)現(xiàn)互聯(lián)網(wǎng)規(guī)模級(jí)別的知識(shí)遷移（比如從生類視頻到生成機(jī)器人視頻），也有望打通實(shí)現(xiàn)通用智能體的道路（比如用單個(gè)策略控制不同環(huán)境中不同形態(tài)的機(jī)器人來執(zhí)行多種多樣的任務(wù)）。
然而，現(xiàn)實(shí)情況是，文本生視頻模型的下游應(yīng)用還很有限，原因包括幻覺問題以及生成的視頻內(nèi)容不符合現(xiàn)實(shí)物理機(jī)制等。
雖然理論上可以通過擴(kuò)大數(shù)據(jù)集和模型大小來有效減輕這些問題，但對(duì)視頻生成模型來說，這會(huì)很困難。
部分原因是標(biāo)注和整理視頻的人力成本很高。另外，視頻生成方面還沒有一個(gè)非常適合大規(guī)模擴(kuò)展的架構(gòu)。
除了擴(kuò)大規(guī)模，LLM 領(lǐng)域的另一個(gè)重要突破是能整合外部反饋來提升生成質(zhì)量。那文本生視頻模型也能受益于這一思路嗎？
為了解答

原文鏈接：視頻生成模型變身智能體：斯坦福Percy Liang等提出VideoAgent，竟能自我優(yōu)化

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：
作者簡介：