VideoDPO
用自动打分构造 1 万 best/worst 偏好对的视频 DPO
- 数据类型
- 自动构造偏好对
- 规模口径
- 1 万 prompt x 4 候选，取 best-vs-worst 1 对 = 1 万对
- License
- 未查到
- 链接
- arxiv.org
数据构造
2024-12 发布。取 VidProm 的 1 万条人写 prompt，每条生成 4 个候选视频，按 best-vs-worst 选 1 对，共 1 万对偏好数据 [1]。
偏好来源
偏好由自动指标 OmniScore（质量 + 对齐）给出，而非人工标注，因此无标注人力成本 [1]。
意义
代表 "用自动评分替代人工偏好" 的路线，与 VideoReward / VideoAlign 的 18.2 万人工偏好三元组形成对照；同路线还有 OnlineVPO、DanceGRPO / Flow-GRPO，削弱了对新增人工偏好数据的需求。
局限
自动指标的噪声与 reward hacking 风险随之进入训练；规模仅 1 万对。
来源
相关卡片
卡片整理 2026-10-15。公司自报数据标“公司口径”；⚠️ 为未经独立核实。