先手 SENTE · 周报阅读清单 · 速读 · arXiv 2609.24997
VideoGen-Agent：用强化学习教 Agent 调工具来生成视频
VideoGen-Agent: Reinforcing Video Generation Agents
Binxu Li，Haoyi Duan，Yuhui Zhang，Yaohui Zhang 等 12 位作者 · 2026-09-21
不换生成模型，换个会调工具的 Agent，分数就上去了
打开交互式解读 →三个要点
- 问题：视频生成模型画面好看，但不一定忠于提示：训练后出现的新事物画不出来、人物身份前后不一致、运动违反物理、多步骤动作顺序错乱。
- 方法：以 Qwen3-VL-8B-Instruct 为策略模型，覆盖六类任务（流程知识、单/多实体身份、物理模拟、组合场景、多镜头），在「推理-行动-观察」循环里调度检索、物理模拟、生成、目标检测和深度估计等工具。先用教师蒸馏轨迹做 SFT，再做多任务智能体强化学习。
- 结果：在作者自建的 VABench（600 条留出提示，Gemini 3.1 Pro 按评分细则打分）上，用工具集 1 总分 75.6，比其底层生成器 Seedance 1.0 高 19.1 分，比最强单模型 Seedance 2.0 高 2.4 分；换成更强的工具集 2、不再训练 Agent，总分升到 86.1。注意评测基准和评委都由作者选定。
86.1 VABench 总分（更换为工具集 2，无需重训 Agent）
适合谁读：做 AI 视频、广告与内容生产工具的团队；关注「Agent 编排层」价值的投资人。
AI 解读 · 基于原文：本页由 AI 根据论文原文整理，所有数字均可在原文中找到出处；引用前请核对原文。