ProactGen：主动澄清的视频生成框架

2026年10月19日，arXiv Computer Vision 刊出 Zhixiao Wang 等作者的 ProactGen 视频生成框架研究。该框架的核心思路是“主动澄清”：先基于生成的视频草稿向用户提问，以获取用户意图，从而提升生成结果与用户目标的对齐程度。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的草稿即可支撑有效提问，从而降低澄清成本。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%。目前报道仅涉及该框架的方法与实验结果，未见后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。