TasteRoute：面向视频生成的个性化路由

发表于 arXiv 预印本，2026

视频生成已经取得了长足进步，但选择使用哪个模型仍然出奇地困难。不同的生成器各有优势，价格也相差悬殊。我们研究了一个较少被探索的问题——在视频生成器之间进行路由：针对特定请求、用户和预算选择模型。

那么，给定一个请求（如提示词或图像 + 提示词），应该使用哪个视频模型来生成它？自然的答案是“把它发送给人们最喜欢的那个模型”。然而，在我们收集了人类偏好数据之后，品味结果出奇地个人化：即使将其他所有标注者的共识作为预言机，它与标注者自己最喜欢的模型也只有 34-55% 的一致率。并不存在对每个人都最好的单一视频模型，而且各模型在每次生成的成本上差异很大。

人们大多对哪些视频是差的意见一致，但对哪个最好则分歧大得多。当比较涉及一个被拒绝的视频时，标注者的一致率为 83-85%。当两个视频都可接受且没有标记缺陷时，一致率降至 57-62%。在一个例子中，共识获胜者是每个人的第二选择，且不是任何人的最爱。这促使我们将质量判断与个人偏好排名分开收集。

因此我们构建了 TasteRoute，一个个性化路由器，它在生成任何视频之前就做出选择。它编码提示词和可选的参考图像，然后使用基于偏好反馈训练的排名模型对候选生成器进行评分。个性化版本从单个用户自己的比较中学习。在推理时，我们过滤掉超出预算的生成器，并选择排名最高的可负担选项。

在文本到视频和图像到视频的设置中，TasteRoute 的通用路由性能与强大的最近邻基线相当。随着预算扩大、更多生成器变得可负担，个性化变得更有用。在每视频 1.00 美元、1.50 美元和 2.00 美元的预算上限下，TasteRoute-Personal 在可负担候选者中实现了最高的排名质量，并在所比较的路由器中实现了最低的平均生成成本。在每个上限下，其成本节省相对于最昂贵的替代方案为 8-12%。有趣的是，主路由器在训练时没有成本惩罚：这些节省之所以出现，是因为学习用户偏好有时会导致选择更便宜的生成器。

用户反馈也很重要。在我们的标签扩展实验中，TasteRoute-Personal 在大约 10 个提示词组时超过了在相同数量提示词组上训练的池化路由器，在 50 个组时超过了使用同一用户反馈的最近邻基线。在反馈很少的情况下，较简单的基线仍然是强有力的选择。

我们还发布了 TasteRoute-3k，包含 394 个请求的 3,128 个标注视频：274 个文本到视频和 120 个图像到视频。这些视频来自一个包含 30 个生成器端点的目录。九名标注者，包括五名专业视频创作者，提供了质量评估和个人偏好排名。我们将这些个人判断与入门偏好信号一起保留，以便其他人可以研究共同的质量要求以及品味差异。

仍有许多问题有待解决。在用户表达相反偏好的视频对上，TasteRoute 目前仅达到 55.2% 的准确率，这表明直接冲突的品味仍然难以预测。我们的结果仅覆盖了九位标注者和固定的生成器目录，所观察到的节省反映的是他们的偏好，而非个性化总能降低成本的保证。我个人也认为，学习能够泛化到更多用户和不断变化的模型目录的偏好是重要的下一步。

@article{tam2026tasteroute,
  title={TasteRoute: Personalized Routing for Video Generation},
  author={Tam, Zhi Rui and Wu, Chao-Chung and Yang, Sin-Han and Ku, Peyton and Kuang, Brendan and Hsieh, Tzu-Ting and Hsu, Min-Fang and Tsai, Fang-Ling and Chen, Yun-Nung and Ma, Wei-Chiu and others},
  journal={arXiv preprint arXiv:2610.05896},
  year={2026}
}

推荐引用格式：Tam, Z.R., Wu, C.C., Yang, S.H., Ku, P., Kuang, B., Hsieh, T.T., Hsu, M.F., Tsai, F.L., Chen, Y.N., Ma, W.C., & Lin, C.Y. (2026). "TasteRoute: Personalized Routing for Video Generation." arXiv preprint arXiv:2610.05896.
下载论文