arXiv cs.CV· Shibo Hong, Siyu Ren, FengJiao Chen, Zhongyuan Peng, Wei Shi, Yixin Cao·· 3 小时前AI 评分34
ACWM-RM：基于互补失配偏好的无参考奖励模型
ACWM-RM: A Reference-Free Reward Model from Complementary Mismatch Preferences
AI 导读
ACWM-RM 是一个无需真值视频的奖励模型，能同时评估动作条件世界模型（ACWM）生成视频的视觉质量（VQ）与动作跟随保真度（AF）。其训练集 AVM-Pref 含 506.3k 对互补失配偏好样本，配套的 AVM-Eval 基准含 67.2k 对样本，评测显示 IDM 在生成视频上可靠性有限。下游强化学习实验中，ACWM-RM 在 VQ 与 AF 两项指标上均优于奖励基线。
来源：arXiv cs.CV · arxiv.org