VideoReward / VideoAlign

内容与规模

快手 KwaiVGI 等于 2025-01 发布。1.6 万 prompt（8 大类，GPT-4o 扩写）生成 10.8 万视频，来自 12 个 T2V 模型（Gen2、SVD、Pika 1.0、PixVerse、Dreamina、Luma、Gen3、Kling 1.0/1.5 等），形成 18.2 万标注三元组，是论文所称的大规模人类偏好集；另有验证集 1.3 万三元组、VideoGen-RewardBench 2.65 万对 [1]。

标注方式

同一 prompt 下两个不同模型的视频成对比较，三维为 VQ（视觉质量）、MQ（运动质量）、TA（文本对齐），含 A 胜/平/B 胜与 1–5 Likert。论文称聘用 "professional annotators"，人数与厂商未披露 [1]。

谁在用

奖励模型基于 Qwen2-VL-2B 一类 VLM，配 Flow-DPO/RWR/NRG 对齐 [2]；DanceGRPO / Flow-GRPO 将其作为评测与奖励之一。

局限

论文自述早期偏好集基于低分辨率旧模型，与现代模型偏好不匹配，需持续重标。

来源

1. https://arxiv.org/html/2501.13918 (2026-10-15)
2. https://arxiv.org/html/2505.17618 (2026-10-15)