ProactGen：通过主动澄清提问提升视频生成与用户意图的对齐

ProactGen 是一个学习主动澄清的视频生成框架，通过基于生成视频草稿的提问来获取用户意图。研究用强化学习训练视觉语言模型作为提问策略，并发现用更少去噪步数生成草稿即可支撑有效提问，从而压低澄清成本。实验显示其目标对齐增益至少为最强基线的 1.8 倍，单轮澄清即超过最强基线四轮细化的对齐效果，耗时仅为其 29%。