arXiv · AI· Mingzhe Zheng, Yue Wu, Jing Tan, Chang Zou, Dengyang Jiang, Zeyue Tian, Xuanhua He, Ryan Xu, Yunyang Ge, Sihui Ji, Yunlong Lin, Kaihang Pan, Hongru Yan, Sixiang Chen, Dianyi Wang, Julian Zhang, Weijie Kong, Changlin Li, Lanqing Guo, Zhao Zhong, Qifeng Chen, Harry Yang·· 8 小时前AI 评分26
EmoReward：面向情感视频生成强化学习的自演化奖励校准机制
EmoReward: Self-Evolving Reward Calibration for Emotional Video Generation RL
AI 导读
研究提出自演化机制 EmoReward，通过从历史训练轨迹中提取证据可靠性来动态调整多奖励权重，以解决视频情感评估的主观性问题。 该机制利用 Reflective Reward Gating 进行实例级校准，并通过 RewardMemory 在后续训练中应用有界乘数，无需更新奖励模型。
来源：arXiv · AI · arxiv.org