arXiv cs.AI· Yingzhao Jian, Zhongan Wang, Yuxuan Hou, Hehe Fan·· 1 天前AI 评分31
LIT：让视频导演智能体在交互与执导中协同进化
Learning to Interact and Direct: Co-Evolving Video Director Agents
AI 导读
研究提出 LIT 框架，由导演智能体、模拟用户和元工程师组成进化闭环，元智能体主动学习外部知识以发现并解决问题。在 Test 与 OOD Test 划分上，LIT 的制作与交互得分分别较初始流程提升 19.1% 和 32.0%。消融实验显示制作与交互能力的提升相互关联，协同进化机制进一步促进了执导技能与交互模式的探索。
正文 · AI 翻译
摘要：视频导演智能体通过编排多阶段制作来实现用户的创意构想。关于其自我进化的新兴研究有效推进了剧本规划。然而，导演与用户交互之间的相互促进在很大程度上仍被忽视。改进的交互能澄清用户意图并为工作流优化提供依据，而更可靠的执行则将协作从故障排查转向创意决策。为此，我们提出 LIT（Learning to Interact and DirecT），一个由导演智能体、模拟用户和元工程师组成的框架。模拟用户分配创意任务以探查导演的弱点，而元工程师则利用任务轨迹来修订导演的交互与制作策略。尽管该方法能够解决已发现的交互与制作问题，但它仍依赖元智能体的被动归因。这限制了其适应更广泛用户交互模式和制作技术的能力。为解决这一问题，我们为 LIT 配备了协同进化范式。元智能体主动学习外部知识，从而提升其发现问题并提出解决方案的能力。元智能体、模拟用户和导演共同构成一个进化闭环，协同增强系统的导演与交互能力。在 Test 和 OOD Test 划分上，LIT 相对于初始流水线分别将制作得分和交互得分提升了 19.1% 和 32.0%。受控消融实验揭示了制作与交互改进之间的相关性，其中协同进化机制进一步促进了导演技能与交互模式的探索。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41865 [cs.AI] |
| （或 arXiv:2610.41865v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41865 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yingzhao Jian [查看邮箱]
[v1]
2026年10月30日星期五 15:18:07 UTC（16,570 KB）
来源：arXiv cs.AI · arxiv.org