EmoReward：情感视频生成RL的自进化奖励校准

Mingzhe Zheng等作者提出 EmoReward，一种用于情感视频生成强化学习的自进化奖励校准训练机制。据作者描述，该方法从实际训练过程中收集的奖励轨迹中提炼证据可靠性，据此决定信任哪些情感证据、给予多大权重，自适应指导后续训练的多奖励权重分配。 具体做法是：先用情感提示词规划 grounding 线索，再用异构信号原语对生成视频打分，并通过 Reflective Reward Gating 按阶段、人脸置信度、冲突与细微度进行实例级门控校准。目前公开信息为方法介绍，尚无实验效果数据。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。